ANI - Artificial Narrow Intelligence (часть 2)

В продолжении темы. Текущее взаимодействие между искусственным интеллектом и человеком — сложный и многослойный процесс. Но именно он формирует наше будущее.

Для того чтобы понимать природу ИИ, введём несколько определений и установок. Многие из систем, которые мы наблюдаем и используем, это сложный, но всё ещё достаточно ограниченный алгоритм, называемый также "узким ИИ".

🤖 И потому первая категория в нашем списке, это “Узкий ИИ” или ANI (Artificial Narrow Intelligence). "Узкий ИИ" предназначен для выполнения конкретных задач или решения определенных проблем в рамках заданной области. Примеры таких задач:

- Инструменты для перевода.
- Системы обработки естественного языка.
- Системы рекомендаций и экспертные системы.
- Автономные транспортные средства и робототехника.
- ИИ для игры в шахматы, Го и пр.
- Различные системы машинного обучения (задачи прогнозирования, распознавание и выявление шаблонов, классификации и пр.)

🖥 Отличительной особенностью ANI является то, что он не может выходить за рамки запрограммированных возможностей. То есть это ИИ, который ориентирован на выполнение конкретных задач в строго определенной области.

Яркие примеры таких ИИ – это виртуальные помощники типа Алисы, Маруси, Siri и другие. Такой ассистент помогает планировать встречи, устанавливать напоминания и отвечать на некоторые вопросы. Но он не способен к обучению или переносу знаний за пределы своей узкой области.

🎲 Ещё одним важным моментом является то, что если мы возьмем множество систем ИИ типа ANI и объединим их, они всё равно не будут равны ИИ следующего поколения (AGI, но об этом позже). И вот почему:

1. Мы не можем заставить их работать скоординировано.
2. У них нет способности к получению опыта.
3. У них нет общего контекста и общих целей.

🎳 Простой пример, если мы объединим систему, которая планирует наш календарь и систему которая делает подборку фильмов, они не смогут друг друга понять. Понять то что у нас был загруженный день и мы хотим посмотреть легкую комедию, а не сериал с отрубанием голов и запутанным сюжетом.

Это и есть сложность координации двух систем для решения комплексных задач. Это требует интеграции знаний из разных областей, знаний к которым эти системы не готовили.

Календарь будет работать на основе статистики наших планов занесённых в календарь, а фильмы будут подбираться на основе статистики просмотра фильмов на Кинопоиске, Нетфликсе или где-то ещё. В добавок каждая из этих систем будет по-прежнему зависеть от вмешательства человека для обучения и целеполагания.

🚧 P.S: Зачем я взялся расписывать виды ИИ. Дело в том, что когда в прошлом посте я писал, что ИИ обманул эксперементаторов, я не имел ввиду что он обрёл сознание. Просто это было самым выгодным решением с точки зрения того алгоритма, который был в него заложен.

Похожий случай произошел на смоделированных исптыниях ударного дрона и операций искусственного интеллекта в ВВС США. ИИ была дана команда уничтожить ПВО условного противника. В случае успеха ИИ получил бы очки за прохождение испытания. Финальное решение, будет ли цель уничтожена, должен был принимать человек, оператор БПЛА. После этого во время одной из тренировочных миссий человек приказал беспилотнику не уничтожать цель.

ИИ решил, что оператор, является помехой для выполнения задания и отдал команду на уничтожение оператора. Когда ИИ прописали, что убивать собственного оператора не положено — дрон сделал собственные выводы и условно уничтожил вышку связи.

Если переносить степень развития "узких ИИ" в область биологии, то сейчас он варьируется от уровня умного насекомого до глупого земноводного. Кажущаяся разумность, всего лишь технологическая иллюзия.

(продолжение следует...)

#skipcoding