Цитаты из книги «Об ИИ без мифов. Путеводитель по истории Искусственного Интеллекта»

Потребности космической программы привели к созданию ленинградского Центрального НИИ робототехники и технической кибернетики (ЦНИИ РТК), под руководством Евгения Ивановича Юревича, он автор термина «робототехника». «Мой грех, – говорит он, – я его придумал. В мире

Одно из самых многочисленных семейств телероботов образуют космические зонды. Приоритет в этой области принадлежит СССР, начало положила автоматическая станция для изучения Луны «Луна-9» (1966). В 1971 году на Луну был доставлен «Луноход-1», способный к передвижению по поверхности Луны. «Луноход-1» мог управляться как дистанционно, так и служить самоходным роботом. Предполагалось запустить серию таких машин: «Луноход-0» должен был стать первым еще в 1969 году, но помешал неудачный старт ракеты-носителя. Вторым попавшим на Луну стал «Луноход-2» (1973), а запуск «Лунохода-3», намеченный на 1977 год, не состоялся. «Луноход» мог двигаться с двумя различными скоростями в двух режимах: в ручном и в автоматическом по программе. Управление осуществлялось группой операторов из Центра управления, находившегося в Крыму. Дистанционное управление осуществлялось с использованием ЭВМ «Минск-22», не предназначенной для работы в реальном времени, имевшей память на магнитных сердечниках 64 Кбайт и внешнюю память на магнитной ленте. Можно представить сложность управления, если запаздывание радиосигнала составляет около 2 секунд, а передача одного кадра длилась порядка 10 секунд.

Термин телеприсутствие как название для своей мечты предложил Марвин Минский в 1980 году, вложив в него явный привкус любимой им фантастической литературы, воплотить эту мечту удалось в 1992 году в проекте Virtual Fixtures (Виртуальный каркас), разработанном в лаборатории ВВС США по проекту Virtual Fixtures (виртуальные приспособления). В то время еще не было нынешних технологий виртуальной и дополненной реальности, поэтому пришлось использовать некоторые искусственные приемы, но общие принципы, выработанные тогда, сохранились, в том числе внешний стереоскопический дисплей и экзоскелет, повторяющий движения человека и оказывающий сопротивление при движениях, обеспечивающий обратную связь. Проектом Fixtures руководил Луис Розенберг (Louis Rosenberg, 1969), защитивший диссертацию в Стэнфорде, создатель нескольких небольших, но чрезвычайно активных компаний и к тому же автор произведений в популярном в США литературном жанре графического романа. До массового практического внедрения телеприсутствия еще далеко, сейчас так обычно называют стационарные или мобильные устройства, поддерживающие телеконференции, своего рода автоматизированные телевизионные операторы.

Телеробототехника (Telerobotics) объединяет разнообразные технологии, требуемые для создания дистанционно управляемых роботов, то есть исполнительных устройств, связанных с оператором по кабелю или по различным беспроводным сетям от Bluetooth и Wi-Fi до Deep Space Network (Сеть дальней космической связи НАСА). Совокупность технологий включает телеуправление (teleoperation), а если работа ведется удаленно, то высококачественные системы видеосвязи и, скорее всего, в будущем телеприсутствие (telepresence), то есть удаленное участие оператора.

Внедрение AI существенно расширит применение систем уровня Augmented Intelligence, открывается хорошая перспектива для появления систем поддержки приятия решений (Decision Support Augmentation, DSA) в самых разных областях – в науке, инженерии, медицине, системах обеспечения безопасности. Для таких систем появилось специальное название AI-coworker, то есть AI-коллега.

Реальные перспективы применения AI связаны с автоматизацией, причем в большей степени с автоматизацией рутинных процессоров умственного труда и с созданием промышленных, транспортных, военных систем с повышенной степенью автономности.

(Generative adversarial network, GAN)

GAN придумал в 2014 Ян Гудфеллоу будучи аспирантом, после чего моментально превратился в культовую фигуру AI (AI celebrity), теперь его именуют не иначе как GANfather (отец GAN). Ключевая мысль, заложенная Гудфеллоу в GAN, заключается в том, что в них не одна, как принято, а сразу две сети тренируются на одном и том же наборе данных. Первую называют генератором, она создает по возможности реалистичные изображения, в то время как вторая – дискриминатор – сравнивает их с исходными и фильтрует неудачные. Полученные дискриминатором результаты далее используются для обучения генератора. Очень важно, чтобы усилия обеих сетей были сбалансированы. Такое единство креативного и критического начала очень типично для творческих партнеров, например, автора и редактора, художника и критика. Можно сказать, что GAN добавила к распознавательным способностям машин еще способность, условно говоря, к воображению. Сети GAN переводят машинное обучение на новый уровень, сегодня сети обучаются с учителем (supervised learning) на колоссальном объеме учебных данных, а создание GAN стало серьезным шагом к обучению без учителя (unsupervised learning). Уже сегодня GAN используют в крупнейших ядерных центрах для прогнозирования поведения частиц. Есть еще множество иных серьезных направлений, но на данный начальный момент популярны два: улучшение качества изображений, что критично в тех случаях, когда сложно получить требуемое качество в процессе съемки, например, в медицине (Photo-Realistic Single Image Super-Resolution), и создание изображений по текстовым описаниям (Text to Image Synthesis).

Ближе к середине прошлого десятилетия была накоплена критическая масса знаний в части глубокого обучения ANN. В таких случаях всегда, образно говоря, кто-то отрывается от пелотона и зарабатывает майку лидера, так было и, видимо, будет в науке всегда. В данном случае в роли лидера оказался Джеффри Хинтон, британский ученый, продолживший свою карьеру в Канаде. С 2006 года он сам и вместе с коллегами начал публиковать многочисленные статьи, посвященные ANN, в том числе и в научно-популярном журнале Nature, чем заслужил себе прижизненную славу классика. Вокруг него образовалось сильное и сплоченное сообщество, которое несколько лет работало, как теперь говорят, «в невидимом режиме». Его члены сами называют себя «заговорщиками глубокого обучения» (Deep Learning Conspiracy) или даже «канадской мафией» (Canadian mafia). Образовалось ведущее трио: Ян Лекун, Иешуа Бенджо и Джеффри Хинтон, их еще называют LBH (LeCun & Bengio & Hinton). Выход LBH из подполья был хорошо подготовлен и поддержан компаниями Google, Facebook и Microsoft. С LBH активно сотрудничал Эндрю Ын, работавший в МТИ и в Беркли, а теперь возглавляющий исследования в области искусственного интеллекта в лаборатории Baidu. Он связал глубинное обучение с графическими процессорами. Сегодня машинное обучение ассоциируется с глубоким машинным обучением, то есть с одним из методов реализации машинного обучения, где средствами искусственных нейронных сетей имитируются структуры и функции мозга, поэтому его иногда еще называют структурным или иерархическим обучением.

Импульс, приданный Хопфилдом работам в области ANN, позволил последующим событиям развиваться с калейдоскопической быстротой. Многие из них были непосредственно связаны с Джеффри Хинтоном, что сделало его признанным лидером новой волны коннекционизма, которую можно назвать мэйнстримом. Старт состоялся в 1986 году, вместе с выходом в журнале Nature ставшей широко известной статьи «Представление обучения посредством метода обратного распространения ошибок» (Learning representations by backpropagating errors). Ее первым и основным автором был психолог-математик и видный представитель коннекционистского подхода Дэвид Румельхарт, а соавторами Джеффри Хинтон и Рональд Уилсон. В ней изложен алгоритм обратного распространения ошибки в приложении к многослойному персептрону Румельхарта, являющемуся частным случаем персептрона Розенблатта.