Никто не может точно сказать, когда произойдет следующий прорыв и какие именно задачи ИИ сумеет решить через 5-10 лет. Это составление прогнозов в этой сфере особенно сложно.
3. Человеческий фактор и когнитивные изменения.
Люди склонны либо преувеличивать, либо недооценивать возможности новых технологий. Некоторые исследователи проявляют излишний оптимизм, предсказывая, что ИИ уже в стремлении достичь человеческого уровня во всем мире. Другие, напротив, скептически относятся к прогрессу, объясняя, что машины не способны выйти за рамки решения узкоспециализированных задач.
Такие когнитивные преобразования, как склонность к линейному мышлению и недостаточная способность предсказать быстрые изменения, также влияют на точность прогнозов. Прогнозы ИИ случайно изменяются из-за наших привычек экстраполировать нынешние тенденции, не принимая во внимание непредвиденные скачки.
4. Невозможность предсказать, как ИИ будет учиться
Обучение нейронных сетей и использование данных для улучшения ИИ остаются непростым и малоизученным процессом. В случае с AlphaGo и другими современными технологиями обучение и самообучение позволяют быстро преодолеть то, что считалось легкой привилегией. Процессы обучения нейросетей порой настолько сложны и многогранны, что даже специалисты, работающие с ИИ, не всегда понимают, как именно ИИ достиг того или иного результата.
Поэтому предсказать, какие способности ИИ приобретет в ближайшем будущем, – задача, мягко говоря, непростая. Даже те результаты алгоритмов, которые уже существуют, показывают, которые иногда приводят в тупик ученых.
5. Режим внешних факторов – фонды, проценты и ресурсы.
Темпы развития ИИ во многом зависят от внешних факторов, таких как финансирование и внимание к этой теме со стороны бизнеса и государства. В последние годы искусственный интеллект получил беспрецедентный уровень поддержки и инвестиций. Это означает, что сейчас ученые и инженеры работают в этой области гораздо активнее, чем даже 10 лет назад. Если бы возникло не такое возросло, то, вероятно, разработки систем, таких как AlphaGo, могли бы продержаться несколько лет.
Внешние факторы сложно предугадать. Политические, социальные и социальные изменения также могут способствовать темпам научного прогресса, и точное прогнозирование это практически невозможно.
Вывод
Ошибочность прогнозов в ИИ – результат определяет факторы: ограниченное понимание технологий, неожиданность научных прорывов, когнитивных алгоритмов, сложность процесса обучения ИИ и любые внешние факторы. Мы еще многого не знаем о том, что такое интеллект (как человеческий, так и искусственный), и каждый шаг на пути его изучения и рассмотрения приводит к нам новые открытия. Поэтому любые прогнозы развития ИИ, какими бы убедительными они ни казались сегодня, всегда содержат элементы неопределенности и риска.
Глава 2. «Внимание. Это все, что вам нужно» – 2017 год и революция трансформеров
В 2017 году группа исследователей из Google опубликовала статью под названием «Внимание – это все, что вам нужно», которая стала одной из самых влиятельных в истории современной науки об искусственном интеллекте. Эта работа представила мир архитектуры трансформеров – новую модель нейронных сетей, основанную на механическом внимании, которая существенно изменила подход к обработке текстов, изображений, звука и других данных. В этом главе мы разбеременны, в чем заключалась суть этой статьи, как работает механизм внимания и почему трансформеры совершают настоящую революцию в сфере ИИ.
