Когда родитель учит маленького ребенка воспринимать окружающий мир, он использует ассоциации и выявление закономерностей. Например, буква “С”. Родители показывают ребенку достаточное количество примеров этой буквы, и вскоре он сможет идентифицировать ее в различных контекстах без подсказок: в школе, книге, на рекламном щите.
Большая часть постоянно развивающихся технологий искусственного интеллекта (ИИ) обучается аналогичным образом. Исследователи предоставляли системе правильные примеры того, что они хотели, чтобы она распознавала, и, подобно маленькому ребенку, ИИ начинал выявлять закономерности и экстраполировать полученные знания на ранее неизвестные ситуации, формируя собственную “нейронную сеть” для классификации. Однако, как и в случае с человеческим интеллектом, специалисты потеряли контроль над факторами, влияющими на принятие решений ИИ.
Проблема “черного ящика” в искусственном интеллекте
Проблема “черного ящика” в ИИ заключается в том, что мы не полностью понимаем, как и почему система ИИ устанавливает связи и какие переменные влияют на ее решения. Эта проблема особенно актуальна при попытках повысить надежность и безопасность систем, а также при разработке правил управления внедрением ИИ.
От автомобиля с ИИ, который не успевает вовремя затормозить и травмирует пешеходов, до медицинских устройств, помогающих врачам диагностировать пациентов, и предвзятости, проявляемой ИИ при отборе кандидатов на работу – сложность этих систем привела к появлению нового направления исследований: физики ИИ, которая стремится утвердить искусственный интеллект как инструмент для достижения людьми более глубокого понимания.
Междисциплинарный подход к изучению ИИ
Новая независимая исследовательская группа решает эти проблемы, объединяя области физики, психологии, философии и нейробиологии в междисциплинарном исследовании тайн ИИ. Группа физики искусственного интеллекта является ответвлением лаборатории физики и информатики (PHI) NTT Research и будет продолжать развивать подход к пониманию ИИ с точки зрения физики.
Исследовательскую группу возглавит доктор Хиденори Танака, имеющий докторскую степень по прикладной физике и компьютерным наукам Гарвардского университета, опираясь на свой предыдущий опыт работы в группе интеллектуальных систем NTT и программе исследований ИИ CBS-NTT по физике интеллекта в Гарварде.
Физический подход к пониманию интеллекта
“Как физика, меня увлекает тема интеллекта, потому что математически – как можно осмыслить концепцию творчества? Как можно осмыслить доброту? Эти понятия остались бы абстрактными, если бы не ИИ. Легко рассуждать, говоря ‘вот мое определение доброты’, что не имеет математического смысла, но теперь с ИИ это приобретает практическую важность, ведь если мы хотим научить ИИ быть добрым, мы должны объяснить ему на языке математики, что такое доброта”, – объясняет доктор Танака.
Еще на ранних этапах исследований лаборатория PHI осознала важность понимания природы “черного ящика” ИИ и машинного обучения для разработки новых систем с улучшенной энергоэффективностью вычислений. Развитие ИИ за последние пять лет вызвало все более важные вопросы безопасности и надежности, которые стали критически важными для промышленного применения и решений по управлению внедрением ИИ.
Если вы хотите глубже разобраться в создании умных AI ассистентов и понять принципы работы AI агентов, существуют специализированные курсы, раскрывающие все тонкости этой увлекательной области.
Аналогии между биологическим и искусственным интеллектом
Благодаря новой исследовательской группе NTT Research будет изучать сходства между биологическим и искусственным интеллектом, надеясь раскрыть сложности механизмов ИИ и создать более гармоничное слияние сотрудничества человека и ИИ.
Хотя в своей интеграции с ИИ этот подход инновационен, сам метод не нов. Физики на протяжении веков стремились раскрыть точные детали технологических и человеческих взаимоотношений, начиная от исследований Галилео Галилея о движении объектов и его вклада в механику, до того, как паровой двигатель повлиял на понимание термодинамики во времена промышленной революции. Однако в XXI веке ученые стремятся понять, как работает ИИ с точки зрения обучения, накопления знаний и принятия решений, чтобы в будущем можно было разработать более согласованные, безопасные и надежные технологии ИИ.
Нейросетевая природа ИИ
“ИИ – это нейросеть, структура которой очень похожа на работу человеческого мозга; нейроны, соединенные синапсами, которые представлены числами внутри компьютера. И здесь, как мы полагаем, может применяться физика… Физика заключается в том, чтобы взять что-либо из вселенной, сформулировать математические гипотезы о его внутренней работе и проверить их”, – говорит доктор Танака.
Новая группа продолжит сотрудничество с Центром науки о мозге Гарвардского университета (CBS) и планирует сотрудничать с адъюнкт-профессором Стэнфордского университета Суей Гангули, с которым доктор Танака является соавтором нескольких научных работ.
Доктор Танака подчеркивает, что фундаментальным будет естественно-научный и межотраслевой подход. В 2017 году, будучи аспирантом Гарварда, исследователь осознал, что хочет заниматься не только традиционной физикой, но и следовать по стопам своих предшественников, от Галилея до Ньютона и Эйнштейна, открывая новые концептуальные миры в физике.
“В настоящее время ИИ – это тема, на которую я могу говорить со всеми. Как исследователю, это замечательно, потому что все всегда готовы обсуждать ИИ, и я также учусь из каждого разговора, потому что понимаю, как по-разному люди воспринимают и используют ИИ, даже за пределами академического контекста. Я вижу миссию NTT в том, чтобы быть катализатором этих бесед, независимо от происхождения людей, потому что мы учимся из каждого взаимодействия”, – заключает доктор Танака.