Искусственный интеллект

Архитектура Tacotron 2. В нижней части иллюстрации показаны модели предложение-к-предложению, которые транслируют последовательность букв в последовательность признаков в 80-мерном пространстве. Техническое описание см. в научной статье

Синтез речи — искусственное воспроизводство человеческой речи из текста — традиционно считается одной из составляющих частей искусственного интеллекта. Раньше такие системы можно было увидеть только в фантастических фильмах, а сейчас они работают буквально в каждом смартфоне: это системы Сири, Алиса и тому подобные. Вот только они не очень реалистично произносят фразы: голос неживой, слова отделены друг от друга.

Компания Google разработала продвинутый синтезатор речи нового поколения. Он называется Tacotron 2 и основан на нейросети. Для демонстрации его возможностей компания выложила примеры синтеза. Внизу странички с примерами можно пройти тест и попробовать определить, где текст произносит синтезатор речи, а где человек. Определить разницу практически невозможно.

Tencent, Alibaba и Baidu используют массивные базы данных для тестирования новых возможностей. Уже сейчас китайское технологическое трио имеет явные преимущества перед соперниками из Кремниевой долины.

В прошлом году Билл Гейтс предсказал, что за десятилетие появятся роботы, способные видеть и двигаться не хуже человека. Разработки в этом направлении идут уже давно. Возможно, прогноз сооснователя Microsoft оправдается.

Но робот даже с идеальной мимикой и отличной способностью двигаться остаётся всего лишь рабочей машиной, без нужного софта не умеет общаться с людьми. В статье мы разделим «железо» и искусственный интеллект и вновь вспомним о некоторых проблемах, связанных с возможным желанием «убить всех человеков».

Несколько дней назад агентство НАСА объявило об интересных результатах партнерства с телекоммуникационным гигантом — корпорацией Google. Речь идет о долгосрочном сотрудничестве, цель которого — использование возможностей машинного обучения для обработки огромного количества данных, получаемых НАСА с орбитального телескопа «Кеплер». Одним из таких результатов можно назвать обнаружение восьмой по счету экзопленеты в системе Kepler-90.

Сама планета является самой мелкой в этой системе. Kepler-90 находится в 2,5 тысячах световых лет от Земли. Экзопланета, о которой идет речь, совершает оборот вокруг своей звезды за 14 дней. Насколько можно судить, она находится довольно близко от своего светила, так что вряд ли на ней есть вода, Kepler-90i по своим характеристикам больше похожа на Меркурий, чем на Землю.

Еще один универсальный домашний помощник: Wenger 16999

В известном перечне компаний, относящихся к индустрии искусственного интеллекта, нет никакой информации о том, чем живут стартапы, как привлекают инвесторов и клиентов, существует ли вообще сервис или застыл на стадии концепта. Оказалось, магические слова «ИИ», «бигдата» и «блокчейн» в описании проекта вовсе не гарантируют его жизнеспособность.

Если отсеять альфа-версии, концепты, законсервированные и поглощенные проекты, убрать общеизвестные разработки, такие как IBM Watson или CaptionBot  Microsoft, то останется не так уж много компаний. Но именно оставшиеся формируют тенденции и показывают, куда движется вся отрасль коммерческого использования слабого ИИ.

Описание стартапов — живых и перспективных — поможет лучше ориентироваться на быстрорастущем рынке умных решений в различных сегментах.

Дмитрий Муромцев, руководитель международной лаборатории «Интеллектуальные методы обработки информации и семантические технологии» ИТМО и заведующий кафедрой ИПМ, рассказал о сущности онтологического моделирования, об использовании графов знаний в бизнес-процессах и о работе по созданию разговорного интеллекта.

IBM Watson, перешедший от «Своей игры» к полезным задачам вроде медицины, поварского искусства или сервиса советов наконец-то добрался до аэрокосмической отрасли. И в 21 веке возвращение человека на Луну может произойти в условиях, когда ИИ будет верным советчиком при перелете, корабль сядет на уже подготовленную площадку с развернутой роботами базой, да и функцией человека станет присмотр за роботами телеприсутствия.


Интерфейс ИИ из фильма «Луна 2112»

Яркие вспышки на черном табло дают гимнастке сигнал начинать. Она делает опорный прыжок, приземляется и поворачивается к роботу-судье. Оценка тут же появляется на большом экране перед посетителями Олимпийских игр и миллионами зрителей, которые наблюдают за выступлением в режиме реального времени.

Это не отрывок из фантастического фильма, а вполне реальное изображение будущего гимнастики, где в роли судьи будет выступать искусственный интеллект.

Международная федерация гимнастики планирует использовать искусственный интеллект для оценивания спортсменов уже в 2020 году на Олимпиаде в Токио. Международный олимпийский комитет (МОК) поддерживает эту идею.

В мае 2017 года исследователи из Google Brain представили проект AutoML, который автоматизирует проектирование моделей машинного обучения. Эксперименты с AutoML показали, что эта система может генерировать маленькие нейросети с очень хорошими показателями — вполне сравнимые с нейросетями, которые спроектированы и обучены экспертами-людьми. Однако поначалу возможности AutoML были ограничены маленькими научными наборами данных вроде CIFAR-10 и Penn Treebank.

Инженеры Google задумались — а что если поставить перед генератором ИИ более серьёзные задачи? Способна ли эта система ИИ сгенерировать другую ИИ, которая будет лучше созданного человеком ИИ в какой-нибудь важной задаче вроде классификации объектов из базы ImageNet — самого известного из крупномасштабных наборов данных в машинном зрении. Так появилась нейросеть NASNet, созданная практически без участия человека.

В Индии аутсорсинг технологий был единственным надёжным способом создания рабочих мест в последние 30 лет. Теперь же искусственный интеллект грозит уничтожить это преимущество

Через два дня после получения Сунилом Кумаром повышения, ему позвонили из отдела по работе с персоналом и попросили уволиться.

Это произошло в апреле, как раз когда начался девятый год работы Кумара в Tech Mahindra, одной из компаний-гигантов в индийской IT-индустрии. Он работал в инженерном отделе, разрабатывая компоненты и инструменты для аэрокосмических компаний Северной Америки и Европы. Те пересылали спецификации — доступные для изготовления шарнира материалы, допустимую нагрузку, стоимость производства — а он при помощи программ выдавал варианты. Он был пехотинцем в индийской армии инженеров, работу которым передавали на аутсорсинг с Запада благодаря копеечной стоимости. Иногда он покидал своё рабочее место на кампусе компании в Бангалоре, чтобы поработать в заграничных офисах клиентов: в Монреале, Белфасте и Стокгольме.

Машинный перевод с помощью нейросетей прошёл долгий путь с момента первых научных исследований на эту тему и до того момента, как компания Google заявила о полном переводе сервиса Google Translate на глубинное обучение.

Как известно, в основе нейронного переводчика механизм двунаправленных рекуррентных нейронных сетей (Bidirectional Recurrent Neural Networks), построенный на матричных вычислениях, который позволяет строить существенно более сложные вероятностные модели, чем статистические машинные переводчики. Однако всегда считалось, что нейронный перевод, как и статистический, требует для обучения параллельных корпусов текстов на двух языках. На этих корпусах обучается нейросеть, принимая человеческий перевод за эталонный.

Как теперь выяснилось, нейросети способны освоить новый язык для перевода даже без параллельного корпуса текстов! На сайте препринтов arXiv.org опубликованы сразу две работы на эту тему.

Повышение продуктивности или разрушение целых индустрий? Предположения о влиянии искусственного интеллекта на экономику абсолютно противоположны. Но если честно, никто точно не знает, как вмешательство автономного ПО, способного к принятию решений, отразится на нашем мире.

Однако причины для умеренного оптимизма есть: новые должности уже создаются благодаря ИИ-буму, как свидетельствует исследование Glassdoor. Подробнее о его основных выводах – под катом.

Инженеры НАСА разработали несколько квадрокоптеров собственой конструкции, а также создали ИИ, управляющий ими. В качестве проверки возможностей системы представители агентства провели соревнование своего ИИ с профессиональным оператором дрона

Исследователи из Лаборатории реактивного движения НАСА в Пасадена, Калифорния, недавно провели весьма своеобразные соревнования. В них приняли участие человек и искусственный интеллект (слабая его форма). Оба соперника управляли дронами на большой скорости. При этом оператор-человек далеко не впервые работал с беспилотником, это был профессиональный «пилот».

О соревнованиях, которые проходили 12 октября, стало известно лишь сейчас. А сами соревнования — часть большого проекта продолжительностью в два года, который спонсировался корпорацией Google. Компанию заинтересовали технологии НАСА в сфере визуальной навигации беспилотных систем. Для того, чтобы продемонстрировать достоинства своей разработки, агентство и провело этот своеобразный эксперимент.

Системы искусственного интеллекта (ИИ) получают всё большее распространение. В связи с этим юристы и законодатели обсуждают проблему, каким образом должны регулироваться такие системы, кто будет нести ответственность за их действия. Этот вопрос требует внимательного изучения и взвешенного подхода, потому что системы ИИ способны генерировать огромные массивы данных и применяться в приложениях разной функциональности — от медицинских систем и автопилотов в автомобилях до предсказания преступлений и вычисления потенциальных преступников. При этом учёные стремятся к созданию «сильного ИИ», способного к рассуждениям, и здесь возникает вопрос, как определить наличие умысла в его действиях — или признать действия неумышленными.

Есть много способов привлечь к отчётности и ответственности систему ИИ, на эту тему опубликовано несколько исследований. В новой научной работе специалисты по компьютерным наукам, когнитивным наукам и юристов из Гарвардского и Кембриджского университетов (США) обсуждают одну составляющую будущей системы подотчётности ИИ, а именно — роль объяснительной записки от ИИ, то есть оценку того, как система искусственного интеллекта объясняет свои действия. Учёные пришли к выводу, что модуль объяснения действий должен быть отделён от общей системы ИИ.

Многие люди, которые решили покончить с собой, ведут себя не слишком адекватно. Кто-то постоянно находится в угрюмом настроении, еще кто-то начинает вести себя агрессивно, но бывает и так, что потенциальный самоубийца ничем себя не выдает. Порой случается так, что сегодня человек еще веселился в компании друзей, играл на гитаре и пел, а завтра он решает покончить с собой.

По статистике, каждый год самоубийства совершает около 800 000 человек. Иногда бывает так, что ситуация, из-за которой человек решил уйти из жизни, вовсе не безвыходная, и если бы кто-то поговорил с потенциальным самоубийцей до момента его смерти, то человек просто отказался бы от своей идеи. Сейчас ученые из Университета Карнеги Меллона разрабатывают нейросеть, способную предсказать, когда человек решает убить себя.

(c)

Как автоматизировать работу и никогда не работать? Прежде чем ответить на этот вопрос, спросите себя о другом: сколько времени вам нужно для счастья? Люди, которые не знают, чем занять вечер выходного дня, не нуждаются в автоматизации многих задач.

Сокращение рутины дает преимущество в конкурентной борьбе. Автоматизация «добывает» самый ценный ресурс на планете — время. Технический прогресс позволяет тратить время на то, что вам интересно: на решение интеллектуальных задач и, вероятно, более сложную работу, выполнение которой обеспечит больше возможностей для улучшения качества жизни.

Дальше — о том, что и как облегчает нам жизнь.

С тех пор, как на сцену распознавания речи вышло глубинное обучение, количество ошибок в распознавании слов кардинально уменьшилось. Но, несмотря на все те статьи, которые вы могли читать, у нас до сих пор нет распознавания речи человеческого уровня. У распознавателей речи много видов отказов. Для дальнейшего улучшения их нужно выделить и постараться устранить. Это единственный способ перейти от распознавания, подходящего для некоторых людей большую часть времени, к распознаванию, работающему для всех людей всё время.


Улучшения в количестве ошибочно распознанных слов. Тестовый голосовой набор был собран на телефонном коммутаторе в 2000 году из 40 случайных разговоров двух человек, чей родной язык – английский

Говорить о том, что мы достигли уровня человека в распознавании речи в разговорах, основываясь лишь на наборе разговоров с телефонного коммутатора, это всё равно, что утверждать, что робомобиль водит не хуже человека, протестировав его в единственном городе в солнечный день без всякого уличного движения. Произошедшие в деле распознавания речи в последнее время сдвиги удивительны. Но заявления по поводу распознавания речи на уровне человека слишком смелы. Вот несколько областей, в которых всё ещё необходимо добиваться улучшений.

Напечатанная на 3D-принтере черепаха распознаётся нейросетью как черепаха (зеленый контур), винтовка (красный контур) или как другой объект (чёрный контур)

Давно известно, что небольшие целенаправленные изменения в картинке «ломают» систему машинного обучения, так что она классифицирует совершенно другое изображение. Такие «троянские» картинки называются «состязательными примерами» (adversarial examples) и представляют собой одно из известных ограничений глубинного обучения.

Работают они просто: нужно сделать градиентное восхождение в пространстве входных данных для генерации образцов, которые максимизируют предсказание класса для заданного класса. Например, если взять фотографию панды и добавить градиент «гиббон», мы заставим нейросеть классифицировать эту панду как гиббона. Черепаху можно выдать как винтовку (см. иллюстрацию вверху). Кот превращается в холодную закуску гуакамоле (см. под катом) — неважно. Любой объект превращается в любой другой для в глазах машинного интеллекта, потому что у ИИ особая система «зрения», отличная от человеческой.

В первой части мы пришли к тому, что мозг имеет наборы триггеров и сигнальную систему для передачи сигналов между удаленными наборами. При поступлении внешних раздражителей происходит активация набора соответствующего раздражителям, что приводит к производству соответствующего набора гормонов. Гормоны раздражают другие наборы триггеров, имеющих сходный набор гормонов для активации. Что порождает цепную реакцию. То есть наше сознание есть не что иное как поиск равновесия между двумя системами, системой триггеров и сигнальной системой. При этом есть внешние раздражители, которые выводят систему из равновесия. Можно предположить что такая система никогда не достигнет равновесия.

Попробуем рассмотреть это более детально.

Зачем нужна пожарная тревога?

Можно было бы решить, что пожарная тревога должна давать вам важное доказательство наличия пожара, что позволяет вам изменить свои планы и покинуть здание.

В классическом эксперименте, проведённом Латейном и Дарли [Latane and Darley] в 1968 году, восемь групп по три студента попросили заполнить анкету, усадив в комнате, которая вскоре после начала эксперимента начала заполняться дымом. Пять из восьми групп не отреагировали и не пожаловались на дым, даже когда он стал таким плотным, что они начали кашлять. Последующие действия показали, что одиночный студент жаловался на дым в 75% случаев. А студент в обществе двух других людей, которых попросили ничего не предпринимать, реагировал на дым только в 19% случаев. Этот и другие эксперименты показали, что на самом деле происходит плюралистическое игнорирование. Мы не хотим показаться паникёрами и испугаться чрезвычайной ситуации, поэтому мы стараемся выглядеть спокойными, краем глаза наблюдая за тем, как ведут себя другие – но они, конечно же, тоже стараются выглядеть спокойными.

Я читал большое количество отчётов о воспроизведении этого эксперимента и его вариациях, и полученные результаты оказались вопиющими. Мне кажется, что этому результату не суждено погибнуть в кризисе воспроизведения, и я о проблемах с его воспроизведением не слышал.