AI пише домашни. AI рисува картини. AI оставя програмисти без работа. AI открива лекарства. Даже и да сте прекарали последните месеци в пещера, все по някакъв начин темата за изкуствения интелект най-вероятно е достигнала до вас. Ако се вярва на по-ентусиазираните привърженици на новите технологии, мислещата машина вече е сред нас и ще промени изцяло света, в който живеем.
Не е изключено да стане така. Ето, например, ако не беше DALL-E 2, тази статия нямаше да има толкова хубава илюстрация. Важно е обаче да сме стъпили здраво на земята - истинската, а не виртуалната. AI за трети път през последните 70 години се лансира като решение на всевъзможни проблеми и последните два опита приключиха с разочарование и фалити.
Да, всичко ново е добре преправено старо.
AI: началото
Трудно е да говорим за изкуствения интелект без да говорим за блестящия британски математик Алън Тюринг. В края на 40-те и началото на 50-те потенциалът на компютрите вече започва да се осъзнава на академично ниво и се появява въпросът "Може ли машината да мисли?". Да, по това време тя е голяма колкото къща и изпълнява прости операции, но е ясно, че в един момент ще може много повече.
За Тюринг отговорът на въпроса е в успешната имитация - т.нар Тест на Тюринг не е нищо повече от проверка може ли програмата да заблуди човека, че общува с друг човек. Това е определящо за парадигмата, в рамките на която ще се развива AI през първите си десетилетия.
Източник: Wikimedia Commons
Както ще ви каже всеки добър фокусник, заблуждението се получава с минимално припокриване на реалност и фикция. Т.е. машината може да е способна на много по-малко, отколкото ние си мислим. Това, обаче, убягва на чиновниците от не едно и две западни ведомства.
Преводач от нули и единици
През 1954 г. започват първите опити в областта на машинния превод. Съвсем неслучайно демонстрациите са с две езика - английски и руски. Макар да се използва много скромен речник от 250 думи, иновацията стига и до националните всекидневници, а и до кабинетите в Пентагона.
Това е началото на Студената война, в Корея тъкмо са приключили военните действия и СССР е догонил САЩ в ядрената и термоядрената надпревара. Има огромна неяснота какво се случва оттатък Желязната завеса, а един от малкото начини да се получи информация от открити източници са научните журнали. Бързото им превеждане от руски обаче е трудна и скъпа задача и в този момент всички поглеждат към компютъра.
Източник: IBM
Излива се огромно финансиране - за машинен превод, но и за други разработки с потенциално военно приложение.
Всъщност, по това време (1956 г.) за първи път е използван и терминът "Изкуствен интелект".
Първата "зима"
60-те са период между затишие и застой. Вече се чуват и сериозни и аргументирани критики. Философът Хюбърт Драйфус даже сравнява AI с алхимията и вижда съвпадения: "Ранен драматично голям успех на база представянето при прости задачи или при работа с ниско качество при по-сложни, последван от намаляваща възвръщаемост на усилията, разочарование, а в някои случаи - и песимизъм".
Самите създатели на тогавашните програми за машинен превод смятат, че са постигнали почти съвършена работа на софтуера си, но реалната му употреба се сблъсква със стена - ранните AI алгоритми не могат да се справят с играта на думи, фразеологизмите и вариращите според контекста.
Източник: Wikimedia Commons
Военните стигат до извода, че без хора няма как да превеждат съветската научна периодика. Да се върнем на Тюринг и фокусите - илюзията е най-силна тогава, когато трябва да замести точно определено парченце от реалността. Опиташ ли се да я използваш отвъд това парченце, шансът за провал е много голям.
От края на 60-те финансирането постепенно започва да намалява. Съкрушителният удар обаче идва от Великобритания. Там Британският съвет за научни изследвания публикува през 1973 г. обширен доклад за използваемостта на изкуствения интелект - т.нар доклад "Лайтхил" по името на автора си.
Той разгромява AI разработките, като твърди, че до момента нито една не е довела до резултатите, които изследователските екипи са обещавали, а именно машинният превод е бил най-голямото разочарование ("там огромни суми бяха похарчени с много малко използваем резултат").
Джеймс Лайтхил защитава тезата, че AI пада жертва на т.нар комбинаторна екзплозия - това, което на първата най-проста стъпка изглежда просто, много бързо се превръща в задача с неизброимо много възможни отговори.
Това, което той постига в политическите и академичните среди, сред широките народни маси прави Джоузеф Вайзенбаум, създателят на първия чат бот - Eliza. През 60-те професорът от MIT започва да гледа все по-критично на ентусиазма да се делегират все повече правомощия на изкуствения интелект и открито се обявява срещу големите и спонсорирани от правителството AI разработки. Нарича компютъра "дете на армията".
Години наред големите фундаментални изследвания в сферата на изкуствения интелект не получават голямо финансиране. След твърде щедрите обещания, "зимата" идва.
Да влязат експертите
През по-голямата част от 70-те научната дейност е предимно в сферата на приложния изкуствен интелект. Според някои от изследователите потенциалът на AI е останал нереализиран заради твърде скромните възможности на компютрите през 60-те. Една декада по-късно, производителността на машините е значително по-добра.
Така в началото на 80-те интересът към AI се завръща. Този път ангажираните с него научни кръгове работят с много конкретна посока - намиране на комерсиално приложение на изкуствения интелект.
На първа линия излизат т.нар експертни системи. Те комбинират богата картотека от информация (събрана от експертите в дадената компания или сфера и дигитализирана) и набор от правила, спрямо които да се отговаря на запитвания в свободен текст или директно да се извършват действия. Това не е много по-различно от начина, по който мнозина и днес използват ChatGPT.
Повечето масови компютри в зората на 80-те нямат нужната производителност, за да могат да работят на тях подобни системи. Така след софтуера идва и хардуерът - Lisp машините. Това са много мощни и скъпи работни станции, създадени специално за разработка и използване на програми, написани на оптимизирания за AI език Lisp.
Източник: Wikimedia Commons
Експертните системи са лансирани в сфери като финанси, медицина, академична дейност. Различни компании ги продават на база едни и същи силни страни като възможността цялото познание на компанията да се дигитализира и използва 24/7 и визуалното редактиране на информацията и правилата за използването ѝ.
Втората "зима"
Обратната страна на медала обаче е видима първо за много учени, а след това и за клиентите - експертните системи всъщност имат относително тясна експертиза. Те познават света само в рамките на строгите си правила и не чак толкова изчерпателните си информационни масиви.
Именно "познанието" и "възпитанието" се оказват трудни за поддържане и обновяване. Първоначално е нужно много добро проектиране на системата, която се гради от нулата и рядко е съвместима със съществуващата IT инфраструктура.
След това месеци наред се събират експертиза и правила за прилагането ѝ. Комплексните задачи изискват толкова много условия и подусловия, докато в един моменрт не става на практика невъзможно да се поддържат с надежден резултат. А определено искате AI докторът да ви диагностицира надеждно.
Експертните системи са класически пример за концепция, която като прототип в университета е обещаваща, но в реалния живот е на ръба на това да бъде неизползваема.
На всичкото отгоре, към края на 80-те персоналните компютри вече са по-мощни от Lisp машините и няколко пъти по-евтини. Така след поредната порция неизпълнени обещания, пазарът на AI софтуер и хардуер "катастрофира" още един път - за близо 10 години.
Сега ще бъде ли различно?
Новата AI треска стъпва на технологични и научни пробиви от последните 15 години. Машинното обучение е значително по-гъвкаво от ръчното въвеждане на правила, а според повечето експерти езиковите модели ще се развиват в посока на ефективна работа на даже най-скромен хардуер.
Значи ли това, че третата "зима" на изкуствения интелект ще ни се размине? Рано е да се каже. И този път виждаме нездрави очаквания към системи, които все още се справят най-добре с леките задачи. Това, на което все още не сме станали свидетели, е достигането на тавана на възможностите на технологията, с която разполагаме.
И при двете по-ранни "зими" това се случваше преди постигането на заложената цел - ефективен машинен превод или генерирането на надеждни експертни оценки. Именно това отприщи и песимизма, за който Драйфус говори преди 60 години. В сегашния случай сякаш не е напълно ясно какво искаме да постигнем с AI. Ако нямаме точна цел, рано или късно технологията пак ще ни разочарова. И ще дойде "зима" №3.
USD
CHF
EUR
GBP
