Проверка прогноза
Однако уже в 2016 году компания DeepMind, представила мир AlphaGo – искусственный интеллект, созданный для игр в го, который одержал победу над лучшими профессиональными игроками конкурса знаменитого Ли Седоля. Для многих это стало настоящим потрясением, ведь компьютерная программа не только выигрывала у профессионалов, но и демонстрировала неожиданные и изобретательные приемы, которые озадачивали даже опытных игроков.
Ошибочность прогноза Пита Хата показала, насколько сильно недооценивали темпы прогресса в области ИИ. Оказалось, что машины способны изучать, моделировать и анализировать стратегические решения гораздо быстрее и эффективнее, чем это считалось ранее. AlphaGo использовала методы глубокого обучения и сложные алгоритмы, которые позволяют ему обучаться самостоятельно, играть с собой, становясь лучше с каждой игрой. Уже через несколько лет после того, как Пит Хат сделал свой прогноз, ИИ не просто освоил игру в го, а доказал, что искусственный интеллект может справиться с задачами, которые до этого считались исключительно «человеческими».
Выводы
Этот пример стал показательным. Он показал, что наш взгляд на ИИ зачастую ограничен рамками нашего современного понимания и опыта. Вспоминая прогноз Пита Хата, мы видим, что развитие технологий происходит настолько быстро, что ни один эксперт не может точно сказать, что ждет нас через 10, а тем более через 50 лет. ИИ оказался гораздо ближе и доступнее, чем предсказывали даже самые оптимистичные учёные. Этот случай изменил восприятие ИИ и стал символом новых этапов – когда искусственный интеллект начал выходить за пределы лабораторий и выходить за пределы реальной силы в решении сложных задач.
Почему прогнозы развития ИИ часто ошибочны?
Прогнозы в области технологий, особенно таких сложных, как искусственный интеллект, часто оказываются неверными. Пример Пита Хата и многие другие прогнозы, которые оказываются слишком оптимистичными или, наоборот, усиливают пессимистичные, представляют собой, как сложно предсказать, «Как будет развиваться ИИ». Разберемся, почему так происходит.
1. Ограниченное понимание текущих возможностей и технологий.
Часто прогнозы основаны на нашем современном уровне технологий и на том, что мы наблюдаем сейчас. Однако это понимание ограничено, особенно в науке, которая развивается очень быстро. Когда Пит Хат в 2014 году говорил о том, что ИИ не сможет победить человека в го, его прогноз отражал уровень развития ИИ на тот момент. Машины могли успешно решать узкоспециализированные задачи, но казались способными обыгрывать человека в такой сложной игре, поскольку тогда казалось, что они слишком сложны.
Технологии ИИ развиваются экспоненциально, и новаторские открытия (как, например, методы глубокого обучения, которые сделала компания DeepMind) открывают совершенно новые горизонты. В результате прогнозы быстро устаревают.
2. Непредсказуемость прорывов
Научные прорывы иногда случаются неожиданно. Новые подходы и методы могут появиться в считанные годы, благодаря чему происходят качественные скачки. Так, например, с появлением глубокого обучения искусственного интеллекта появилась возможность анализировать огромные объемы данных и обучаться на них с невиданной ранее эффективностью. AlphaGo от DeepMind – памятный пример такого прорыва, когда ИИ отключился на уровне, на котором научились предсказывать и просчитывать исходы игры, что стало революцией в области машинного обучения.
