Адріан Зідаріц, автор AIbluedot.com – Серія інтерв’ю

Адріан Зідаріц є автором AIbluedot.com, блогу, який надає огляд штучного інтелекту, з поєднанням математики, етики, політики та “усього” між ними. Хоча статті містять мінімальну кількість технічного матеріалу, вони не призначені для спеціалістів, а радше для загальної публіки. Штучний інтелект неправильно зрозумілий неспеціалістами і або перебільшується, або занижується в ЗМІ; тим не менш, це найбільш значуща технологія нашого часу.

Що спочатку привернуло вашу увагу до штучного інтелекту?

Розробка штучного інтелекту вимагає широкого спектра знань, на відміну від будь-якої іншої сучасної технології. Він живиться дослідженнями зі статистики, нейробіології, прикладної математики, інформатики, розробки програмного забезпечення, психології тощо… Це виклик спочатку привернув мене, у поєднанні з тим, що мені пощастило займатися багатьма цими галузями в моїй попередній кар’єрі: математика, інформатика, розробка програмного забезпечення, статистика.

У вас була розгалужена кар’єра в галузі штучного інтелекту. Чи можете ви розповісти про деякі з цих видатних моментів?

Це певним чином є продовженням питання 1. Практично кожна людина середнього віку, яка працює в галузі штучного інтелекту зараз, прийшла з іншого місця. До близько 2005 року не існувало штучного інтелекту (до речі, успіх штучного інтелекту в основному завдячує нейронним мережам = глибинному навчанню, всі інші методи практично не мають значення; тому, коли ми кажемо штучний інтелект, ми маємо на увазі глибинне навчання). В результаті багато з тих, хто працює в галузі штучного інтелекту, привносять унікальні перспективи в цю галузь. Я походжу з математичної сфери, поєднаної з практичним керівництвом проектами штучного інтелекту, в яких інженерія великих даних відіграє дуже велику роль (іноді більше 80% часу проекту). Мій досвід розміщує штучний інтелект між питаннями його математичних основ (дуже теоретичних) та дуже практичними аспектами керівництва командами спеціалістів з даних і інженерів машинного навчання. Є інші дослідники, які знають більше про технології штучного інтелекту в середині цього “сендвіча”.

Ви заявили, що штучний інтелект або перебільшується, або занижується в ЗМІ. Чому ви вважаєте, що існує такий розрив між тим, як ЗМІ точно повідомляють про стан штучного інтелекту, та реальністю цієї технології?

Через те, що штучний інтелект неправильно зрозумілий навіть деякими людьми, які працюють в галузі штучного інтелекту, не кажучи вже про пресу. Це дуже молода дисципліна, з дуже молодими працівниками. Різні думки цих молодих працівників потрапляють до ЗМІ, що призводить до розбіжності цілей. Достатньо згадати документальний фільм “Соціальна дилема” на Netflix, в якому ці суперечливі погляди на штучний інтелект, з точки зору Кремнієвої долини, добре задокументовані.

Наразі більша частина прогресу, якого ми бачимо в галузі штучного інтелекту, пов’язана з глибинним навчанням. Які ваші погляди на проблему “чорної скриньки” глибинного навчання?

Це велика проблема. По суті, у нас немає теоретичного (математичного) розуміння процесу навчання. Ми не знаємо, як алгоритми глибинного навчання насправді вчаться. Ми бачимо лише те, що вони працюють. Були спроби, звичайно, розробити теорію, але жодна з них не здобула широкого визнання. Тому в відсутності цього базового розуміння все, що ми можемо зробити, це сказати “дивіться, воно працює”. Але давати білу скриньку пояснення неможливо на цей час. Інші алгоритми (не глибинне навчання) краще зрозумілі, і для них можливо давати пояснення результатів. Не для глибинного навчання.

Які ваші погляди на упередженість штучного інтелекту та як її попередити?

Наразі штучний інтелект пов’язаний усім з даними, а не з алгоритмами. Алгоритми не знають упередженості, упередженість міститься в даних. Дані відображають склад суспільства та його стратифікацію, оскільки збирання даних також містить упередженість. Це природно відбуваються, що має статися, це поступове включення людей усіх видів походження до процесу збору даних, щоб дані відображали правильну репрезентацію населення.

Який тип машинного навчання ви знаходить найбільш цікавим?

Як я вже сказав раніше, машинне навчання зараз поступається місцем своєму найбільш успішному внутрішньому підрозділу – глибинному навчанню. Нейронні мережі, завдяки своїй універсальності, домінують.

Ви заявили, що Універсальний базовий дохід (УБД) буде абсолютно необхідним для боротьби з втратами робочих місць, які спричиняє штучний інтелект. Чи можете ви розповісти про ці погляди?

Суспільство зазнає величезних наслідків від автоматизації (застосованого штучного інтелекту). Ми бачили моментальні зрушення навіть у політичному потрясінні з 2016 року. Просто не буде способу повернутися назад. Багато робочих місць просто зникнуть. Не має сенсу навчатися на радіолога в наш час. Штучний інтелект може читати рентгенівські знімки, МРТ та інші види друку набагато краще, ніж людина. Що станеться з людьми, коли просто не буде роботи, яку вони можуть виконувати? УБД гарантує, що люди не будуть страждати без потреби, коли автоматизація стане всеосяжною. І немає потреби в цьому, оскільки штучний інтелект доставить необхідну роботу для того, щоб суспільство продовжувало функціонувати.

Ви вважаєте, що ми можемо коли-небудь досягти штучного загального інтелекту (ШЗІ)?

Так, багато людей стверджують, що програмне забезпечення DeepMind вже межує з ШЗІ. Я не підтримую цю ідею, але навіть для мене відповідь є такою. ШЗІ не означає емоції чи свідомість, інтелект у ШЗІ просто когнітивний інтелект. І для цього рівня інтелекту відповідь здається такою: так.

Ви вважаєте, що існує ймовірність того, що ми живемо у симуляції?

Можливість? Так, тобто ймовірність того, що ми живемо у симуляції, не дорівнює 0. Це також інтелектуально привабливо. Але є це ймовірним? Ні, для мене це не ймовірно, тобто ймовірність, хоча і не 0, дуже маленька.

Дякуємо за інтерв’ю. Читачам, які бажають дізнатися більше про погляди Адріана на різні аспекти штучного інтелекту, рекомендуємо відвідати AIbluedot.com.