Гибриды человека и ненастоящего интеллекта появятся в 2022 году, считает директор Центра компетенций Национальной технологической инициативы «Технологии машинного обучения и когнитивные технологии» на базе университета ИТМО (Санкт-Петербург) Александр Бухановский.
Ненастоящий интеллект проведет психоанализ россиян по соцсетям
В беседе с РИА Новости он спрогнозировал пять трендов 2022 года в области когнитивных технологий.
Под первым номером Бухановский (Олимпиевич Бухановский (22 февраля 1944, Грозный — 17 апреля 2013, Ростов-на-Дону) — советский и российский психиатр) наименовал когнитивные «кентавры», или гибридные системы поддержки принятия решений, принцип работы которых основан на совместном итеративном решении сложной задачи человеком и ненастоящим интеллектом (ИИ). Причем они будут действовать на равных, в отличие от классического подхода, когда человек выступает и «учителем», и мерой качества для искусственного интеллекта, отметил собеседник агентства.
«Таким образом, человек и искусственный интеллект могут одновременно проявлять свои мощные качества (человек – за счет интуиции, а ИИ – за счет быстродействия и безусловной памяти), что позволяет добиться лучшего результата, чем по отдельности», — сказал Бухановский.
Эти технологии необходимы в ситуациях, когда решаемая задача сложна для восприятия человеком, пояснил он.
«Для распознавания ношения личин на фотографиях такой подход явно избыточен — здесь справятся и классические методы машинного зрения, а вот, так, для управления крупной промышленной компанией – самое то», — отметил эксперт.
Следующим трендом, по мнению Бухановского, сделается так называемый генеративный дизайн социотехнических систем.
«Обычно под генеративным дизайном понимают применение искусственного интеллекта для задач самодействующего проектирования, когда необходимо создать цифровое описание объекта реального мира, соответствующего априорным требованиям. Для обычных технических систем этот подход не является новоиспеченным», — пояснил Бухановский.
Тем не менее прямой перенос такого подхода на социотехнические системы (например, организационные схемы труды предприятий) напрямую невозможен – люди вносят (в том числе умышленно) дополнительный фактор неопределенности, который не позволяет применять существующие методы оптимизации и даже ратифицировать, что решение такой задачи возможно, добавил эксперт. Однако подход со стороны методов искусственного интеллекта позволяет обойти эту проблему, произнёс Бухановский.
Потому в будущем можно ожидать, что ИИ, например, сможет проектировать производственную линию вместе с требованиями к персоналу, графиком их труда, а также HR-стратегией, устремлённой на развитие и удержание квалифицированных сотрудников, отметил собеседник агентства.
Третьим трендом-2022 станут композитные технологии самодействующего машинного обучения «для понимания человеком (общественное существо, обладающее разумом и сознанием, субъект общественно-исторической деятельности и культуры, относящийся к виду Человек разумный), но на «нечеловеческой» логике», считает Бухановский.
По его словам, системный дефицит специалистов по работе с вящими данными заставляет задуматься о возможности замены их системами искусственного интеллекта, которые могут выполнять тот же самый творческий процесс – формировать решение прикладной задачи на основе существующих методов машинного обучения.
К сожалению, подходы экспертного нрава, основанные на описании лучших «человеческих» практик, оказались не так эффективны, как хотелось бы, отметил эксперт.
«Однако совершенно неожиданно позитивный итог стали показывать методы, переворачивающие эту логику «с ног на голову», то есть подбирающие удачную конструкцию модели машинного обучения, отталкиваясь от композиции всевозможных элементов (методов, алгоритмов, библиотек), обеспечивающих наилучшее решение задачи», — добавил Бухановский.
«Уже в 2021 году случилась курьезная ситуация, когда такой метод автоматически породил решение задачи о предотвращении наводнений, получившее первое место на хакатоне МЧС. При этом на него было потрачено в десятки раз меньше поре, чем обычно требуется разработчикам», — рассказал собеседник агентства.
Вероятно, далее эти тенденции только усилятся, и внедрение таких технологий повергнет к тому, что недостаточно квалифицированные специалисты, решающие ту или иную задачу просто перебором разных методов, останутся невостребованными на базаре, так как «автоматика» будет делать все лучше, быстрее и дешевле, полагает Бухановский.
В качестве четвертого тренда Бухановский назвал метрологические когнитивные технологии (совокупность методов и инструментов для достижения желаемого результата; в широком смысле — применение научного знания для решения практических задач), когда мощный искусственный интеллект «рассуждает» о качестве более слабого ИИ.
«Поскольку искусственный интеллект работает в условиях неопределенности и неполноты этих, то он, как и человек, способен совершать ошибки», — сказал эксперт.
По его словам, традиционно о качестве систем ИИ рассуждают лишь на основе эмпирической валидации (проверки на данных, которые не использовались для обучения).
«Но таких данных всегда немного, они фрагментарны и не всегда репрезентативны. Потому классические подходы теории измерений здесь не применимы (не с чем сравнивать), и гарантии качества носят весьма условный нрав», — добавил Бухановский.
Однако развитие технологий автоматического машинного обучения позволяет строить, по сути, модели ИИ, альтернативные отправной — метрологические эталоны, которые и будут создавать недостающие данные для того, чтобы покрыть всевозможные ситуации.
«Как последствие, вопросы качества систем ИИ из чисто эмпирической области перейдут уже на единую теоретическую базу; можно будет более уверенно сообщать об их стандартизации и сертификации с точки зрения единства измерений», — отметил собеседник агентства.
Наконец, пятым трендом сделаются аватар-подобные технологии, сказал Бухановский.
«Под цифровыми аватарами сейчас часто понимают наборы данных, характеризующих конкретного человека в киберпространстве. Эти эти являются основой для разного рода рекомендательных систем, ассистентов и прочего. Однако такое понимание аватара является «неживым», поскольку отсутствует обратная связь – «осознание» аватаром результатов взаимодействия с киберпространством», — отметил эксперт.
Для того чтобы подобный подход стал продуктивным, а аватар смог самообучаться и развиваться, необходимы так называемые метакогнитивные информационные технологии, воспроизводящая реакцию человека на подобные взаимодействия, пояснил Бухановский.
«Такие технологии могут породить цельный набор прикладных решений, связанных с аватарами, например «цифрового инквизитора», позволяющего своему пользователю уверенно существовать даже в «фейковых вселенных», или «охотника за башками», способного по цифровому следу «вычислить» высококвалифицированного специалиста (который совсем не собирается менять работу) и сделать ему предложение, от какого он с высокой вероятностью не сможет отказаться», — сказал эксперт.
Таким образом, внедрение аватар-подобных технологий надлежит привести к новому витку персонификации и «индивидуализации» систем ИИ, добавил Бухановский.
Источник