Искусственный интеллект на пике популярности, порождая горячие дебаты: одни видят в нем революционное средство для решения множества задач, другие скептически относятся к его реальной полезности.
В различных индустриях: здравоохранении, промышленности, дискретном производстве, нефтегазовом секторе и транспорте имеются десятки проектов, направленных на внедрение искусственного интеллекта, — предприятия в этих отраслях стремятся использовать возможности ИИ для решения своих насущных задач. Достигнута критическая масса, когда искусственный интеллект в целом и машинное обучение в частности стали интересны и востребованы всеми, что серьезно влияет на развитие технологий и бизнес-процессов.
Вместе с тем пессимисты отмечают, что общество находится в разгаре очередной «кремниевой лихорадки», напоминающей «золотые лихорадки» XIX века — люди массово отправлялись на поиски золота, активно закупая различные инструменты: сапоги, лопаты, промывочные лотки, оружие и пр. В конечном итоге именно продавцы всего подобного оборудования гарантированно выиграли от лихорадки, а искатели в своем большинстве потерпели сокрушительную неудачу. Но несмотря на скептицизм многих экспертов по поводу искусственного интеллекта, технологии ИИ продуктивно используются.
Задачи классификации и распознавания объектов действительно хорошо решаются с помощью нейронных сетей. Особенно стоит отметить успехи ChatGPT и мультимодальных нейронных сетей в генерации контента, идентичного натуральному, здесь даже скептики должны согласиться. Однако, как известно, работа нейросети сводится к аппроксимации графиков функций —
удивляет, что такой простой математический аппарат, как аппроксимация графиков, удалось применить к решению большого числа проблем, в том числе и к прогнозированию. Тот факт, что стала возможной генерация контента, включая фото и видео, поражает.
Между тем нельзя говорить о синергетическом эффекте от внедрения ИИ — соответствующие технологии позволяют решать отдельные конкретные задачи, но их влияние не всегда очевидно и измеримо. Главное, на что обращают внимание эксперты - ИИ не понимает причинно-следственные связи. Невозможно построить полноценные информационные системы на основе машинного обучения без корректного кодирования причинно-следственных связей. Проблема в том, что если одно событие следует за другим, то это не обязательно означает, что первое было причиной второго. Этот базовый принцип логики машинное обучение пока не может адекватно интерпретировать. Это одна из причин, по которой машинное обучение не всегда справляется с задачами, требующими глубокого анализа. Конечно, имеются значительные успехи в генерации видеоконтента и аппроксимации, но задачи поддержки принятия решений остаются без решения. Кроме того, нужно помнить, что «не существует бесплатных обедов» (No Free Lunch) — возможна оптимизация модели для конкретной задачи, но ценой будет потеря точности для других задач.
Нужно ясно понимать: когда искусственный интеллект генерирует контент, он не создает ничего нового — не будет новой поэмы Пушкина или новых философских концепций Канта или Аристотеля. Максимум, что сейчас можно получить, — это «салат» из всех поэм Пушкина, сделанный по типовому рецепту.
Обсуждая перспективы использования искусственного интеллекта, важно соблюдать баланс между оптимизмом и реализмом. Хотя ИИ обладает определенным потенциалом и уже демонстрирует определенные успехи в различных областях, необходимо признать наличие множества нерешенных проблем.
Полный текст статьи
