Искусственный интеллект — это область информатики и набор технологий, которые позволяют компьютеру решать задачи, обычно требующие человеческого мышления: узнавать лица, понимать речь, переводить тексты, прогнозировать, планировать маршрут. Почти весь ИИ, с которым мы сталкиваемся сегодня, — это узкие системы, каждая из которых умеет что-то одно. Универсального машинного разума, равного человеку, пока не существует.
Откуда взялся термин и что под ним понимают
Словосочетание «искусственный интеллект» (artificial intelligence) придумал американский математик Джон Маккарти. В 1956 году он вместе с коллегами организовал летний семинар в Дартмутском колледже, и именно эту встречу считают днем рождения науки об ИИ. Участники были оптимистами: они рассчитывали, что за пару месяцев заметно продвинутся в обучении машин языку и абстрактному мышлению. Задача оказалась на десятилетия сложнее.
Еще раньше, в 1950 году, британский математик Алан Тьюринг задал вопрос «Могут ли машины мыслить?» и предложил практичную проверку: если собеседник в переписке не может отличить машину от человека, машину можно считать разумной. Этот мысленный эксперимент назвали тестом Тьюринга.
Единого строгого определения ИИ нет до сих пор. Чаще всего так называют любую систему, которая воспринимает информацию, делает из нее выводы и действует для достижения цели. Любопытная особенность: как только какая-то задача решена, ее перестают считать «интеллектуальной». Распознавание печатного текста когда-то было передним краем ИИ, а сейчас это обычная функция сканера.
Слабый и сильный ИИ
Самое известное деление искусственного интеллекта — по широте возможностей.
Слабый, или узкий, ИИ
Это системы, созданные под одну задачу или узкий круг задач. Программа, которая обыгрывает всех в шахматы, не сможет пожарить яичницу или отличить грипп от простуды. Переводчик не умеет водить машину. Весь практический ИИ — от фильтра спама до чат-бота — относится к этой категории. Даже самые разговорчивые языковые модели, которые справляются с сотнями видов задач, специалисты в большинстве своем к сильному ИИ не относят: у них нет устойчивого понимания мира, собственных целей и надежного рассуждения.
Сильный, или общий, ИИ
Гипотетическая система, которая сможет решать любые интеллектуальные задачи на уровне человека: учиться новому с нуля, переносить знания из одной области в другую, ставить цели. В англоязычной литературе его называют AGI (artificial general intelligence). Ученые расходятся во мнениях, когда он появится и появится ли вообще: оценки разнятся от нескольких лет до «никогда».
Сверхинтеллект
Еще более далекая гипотеза — система, которая превосходит людей во всех областях мышления. Пока это предмет философских споров и обсуждений безопасности, а не инженерной работы.
Философ Джон Серл в 1980 году предложил мысленный эксперимент «Китайская комната», чтобы показать разницу между имитацией понимания и пониманием. Человек, не знающий китайского, сидит в комнате с толстой книгой правил и, следуя им, выдает правильные ответы на записки с иероглифами. Снаружи кажется, что в комнате кто-то знает китайский, но внутри понимания нет. Спор о том, применимо ли это к современным моделям, продолжается.
Машинное обучение, глубокое обучение и генеративный ИИ — как матрешка
Эти термины часто путают, хотя они вложены друг в друга, как матрешки. Самая большая кукла — весь искусственный интеллект, внутри — машинное обучение, в нем — глубокое обучение, а самая маленькая и самая модная — генеративный ИИ.
ИИ на правилах
Первые десятилетия ИИ строили в основном на правилах, которые записывали люди. В 1970-1980-х были популярны экспертные системы: в них закладывали знания специалистов в виде цепочек «если — то». Например, система MYCIN подбирала антибиотики при инфекциях крови по ответам врача. Такие системы работали, но их было трудно расширять: каждое новое правило приходилось придумывать вручную.
Машинное обучение
Подход, при котором компьютер выводит закономерности из данных сам. Термин популяризировал Артур Сэмюэл из IBM: в 1959 году он описал программу для шашек, которая улучшала игру, анализируя собственные партии. Машинное обучение — это не только нейросети: сюда входят деревья решений, методы ближайших соседей, линейная регрессия. Банк, оценивающий риск по кредиту, часто использует именно такие «классические» методы.
Глубокое обучение
Часть машинного обучения, где применяются нейросети с большим числом слоев. Оно лучше всего работает с «сырыми» данными — изображениями, звуком, текстом. Именно глубокое обучение с начала 2010-х дало резкий скачок в распознавании речи и изображений.
Генеративный ИИ
Модели, которые не просто классифицируют или прогнозируют, а создают новое: тексты, изображения, музыку, видео, программный код. Сюда относятся чат-боты вроде ChatGPT, Claude, GigaChat и YandexGPT, генераторы картинок Midjourney и Kandinsky, музыкальный сервис Suno. Массовым генеративный ИИ стал в 2022-2023 годах.
Где искусственный интеллект встречается каждый день
Многие пользуются ИИ десятки раз за день, не задумываясь об этом.
| Где | Что делает ИИ |
|---|---|
| Навигатор | Предсказывает пробки и время в пути |
| Музыка и кино | Подбирает рекомендации по вкусу |
| Почта | Отсеивает спам и фишинг |
| Банк | Замечает подозрительные платежи |
| Смартфон | Разблокирует по лицу, улучшает ночные фото |
| Клавиатура | Подсказывает следующее слово, исправляет опечатки |
| Колонка | Распознает речь и отвечает голосом |
Рекомендации
Онлайн-кинотеатры, маркетплейсы и музыкальные сервисы сравнивают ваши действия с поведением миллионов других пользователей. Если люди с похожим вкусом досматривали определенный сериал до конца, его покажут и вам. Система учитывает не только оценки, но и паузы, перемотки, время суток.
Навигатор
Прогноз пробок строится на данных о скорости машин, у которых включено приложение, и на истории: как обычно загружена улица в пятницу вечером. Модель предсказывает, какой будет обстановка через 20-40 минут, когда вы доедете до нужного перекрестка.
Распознавание лиц
Система переводит лицо в набор чисел — расстояния и пропорции, которые описывают его форму, — и сравнивает с образцом. Так работают разблокировка смартфона, проход по лицу в метро и автоматическая сортировка фото по людям в галерее.
Голосовые помощники
Алиса, Маруся, Siri и подобные помощники выполняют цепочку действий: переводят звук в текст, определяют, чего хочет человек, находят ответ или выполняют команду и превращают ответ обратно в речь. На каждом этапе работает отдельная модель.
Чего ИИ пока не умеет
Узкий ИИ впечатляет в своей нише, но за ее пределами быстро теряется. Вот ограничения, которые признают сами разработчики:
- нет здравого смысла: система может не понять очевидного для ребенка, если такого не было в данных;
- нужны огромные объемы примеров там, где человеку хватает двух-трех;
- генеративные модели уверенно выдумывают факты;
- решения сложных моделей трудно объяснить, поэтому их с осторожностью применяют в медицине и правосудии;
- модели наследуют перекосы данных, на которых учились.
Что еще спрашивают об искусственном интеллекте
ИИ и нейросеть — одно и то же?
Нет. Нейросеть — один из инструментов искусственного интеллекта, сейчас самый популярный. Но ИИ бывает и без нейросетей: экспертные системы на правилах, шахматные программы на переборе, деревья решений.
Есть ли у ИИ сознание?
Убедительных научных доказательств этого нет. Модели могут писать о чувствах, потому что учились на человеческих текстах, где о чувствах пишут постоянно. Что такое сознание и как его проверить, наука пока не договорилась даже применительно к людям.
Опасен ли искусственный интеллект?
Реальные риски уже сейчас — дипфейки, мошенничество с поддельным голосом, ошибки в важных решениях, утечки данных. Долгосрочные риски более мощных систем всерьез обсуждают исследователи, и над безопасностью ИИ работают отдельные научные группы.