Настоящие игры искусственного интеллекта

251
0

25 июня в Политехе на ВДНХ пройдет Hack the Game Day, финал хакатона DeepHack.Game​, организованного IntelliHack Lab при поддержке Политехнического музея и МФТИ. В программе – демонстрация результатов команд – участниц хакатона, турниры между человеком и искусственным интеллектом, награждения победителей, лекции Торстена Видеманна (фестиваль A MAZE, Берлин) и Сергея Плиса, директора направления по машинному обучению в The Mind Research Network.

3 июля Михаил Бурцев, идейный вдохновитель и организатор DeepHack.Game, побывал в эфире радиостанции «Эхо Москвы» и рассказал об искусственном интеллекте и возможностях его практического применения, о глубоком обучении и роли игр в этом процессе. Мы публикуем несколько интересных цитат из выступления Михаила Бурцева и приглашаем вас на финал хакатона – вход бесплатный после регистрации.

Перейти к заказу билетов

В 21:00 в Летнем дворе Политехнического музея начнется afterparty хакатона, вечеринка 8bit FUTURISM live – на нее необходимо приобрести билет.

О том, какая выгода простому человеку от развития ИИ

«Представьте, если вы являетесь владельцем автосервиса. Люди вам звонят ночью и говорят: у меня лопнула покрышка. И вам там нужно держать человека, который будет ему отвечать, что делать, когда лопнула покрышка. Вы не хотите платить зарплату этому человеку, кормить, поить его. Вы заплатите 100 рублей в месяц, и у вас будет по интернету специальный алгоритм, который будет помогать клиентам вашего автосервиса, и они не уйдут к конкурентам».

«То есть я думаю, что 99% вопросов из разряда тупых. Не так сложно сделать алгоритм, который после нескольких итераций поймет, что вопрос не имеет ответа, и переключит на человека. То есть нам нужно будет вместо тысячи человек один».

Как игры помогают машинному обучению?

«У нас есть сейчас эмулятор Atari, на котором очень много старых игр. И задача такая, что в каждой игре свои правила. Но мы хотим иметь алгоритм, который будет один и тот же. И он для любой игры должен то, что человек видит на экране и управляет джойстиком, понять, что приводит к увеличению очков, и научиться в нее играть. А заранее мы не закладываем, что же это за игра.

И вот – поразительные результаты. Они даже были опубликованы в наиболее престижном научном журнале Nature в начале этого года. Компания Deepmind, которую Google немножко прошерстил по университетам и подсадил не знаю на что, но она вся стала Google Deepmind. И они опубликовали, где показали, что в дюжину игр компьютер обыгрывает человека.

Научившись самостоятельно. Причем это один и тот же алгоритм. Правда, учится на каждую игру в отдельности. Но изначально он не знает, что это за игра. И это очень сильное применение. Потому что он знает только очки. Он видит экран, может управлять джойстиком и видит очки. И, на мой взгляд, это наиболее перспективное направление, потому что открывает возможность не только понять, что тебя окружает. Потому что сегодняшние алгоритмы направлены на то, что мы можем распознать, как одно отличается от другого, и понять, что это такое».

О двух подходах к искусственному интеллекту

«Сразу же возникло два конкурирующих направления. Одно заключалось в том, что мы пытаемся построить компьютерную модель того, как рассуждает человек, то есть вот, мы можем делать логические выводы, мы можем рационально мыслить. И давайте, если мы заложим некоторый способ мышления, рациональные, или, может, даже нерациональные, но те, которые мы можем вычленить, наблюдая за человеком, из того, как он себя ведет, психологический такой подход, то мы можем построить искусственный интеллект. Это называется символьный искусственный интеллект, если говорить строго.

Другой подход заключается в том, что мы знаем, что мозг состоит из нейронов. И вот этот мозг, который есть у человека, позволяет генерировать какие-то осмысленные вещи и интеллект. Хотя у животных тоже есть какой-то интеллект, гораздо более слабый, чем у человека. Давайте попробуем создать сеть из таких маленьких элементарных функций, из маленьких элементарных математических моделей, которые моделируют отдельные нейроны, и получим интеллект. Нужно отметить, что вот эти модели нейронных сетей, конечно, очень далеки от того, что в реальности происходит.

Сначала эти два направления развивались более-менее равномерно, а потом в какой-то момент одно направление, символьное, перехватило инициативу, и стало активно продвигаться. А нейронные сети оказались как бы на обочине. И было такое большое возбуждение, был пузырь искусственного интеллекта в конце 1960-х – начале 1970-х годов, потому что казалось, что мы сейчас все задачи решим при помощи символьного искусственного интеллекта. Много давалось денег.

Но так как те обещания и те прогнозы не сбылись, люди перестали давать деньги, наступила так называемая зима искусственного интеллекта. А нейронные сети где-то подпольно развивались. И в какой-то момент, в середине 2000-х годов, <…> фактически получилось, что эти нейросетевые алгоритмы обладают такими свойствами, которые не позволяют им раскрыться в полной силе, когда у нас очень мало данных и когда у нас маленькие вычислительные способности. И до середины 2000-х, когда не было интернета, когда не было очень быстрых компьютеров, то нейронные сети давали какие-то результаты, но в принципе можно было придумать такой алгоритм, который их побьет, и поэтому с практической точки зрения люди говорили: зачем нам нейронные сети, которые непонятно как работают? То есть недостатком их является то, что после обучения непонятно, почему она выдает такой ответ. То есть она работает как черный ящик. И люди предпочитали какие-то понятные решения, которые они могут проконтролировать.

Но в середине 2000-х, когда появился интернет, большие базы изображений, большие базы текстов, соответственно, и большие специальные аппаратные средства типа графических процессоров, на которых можно очень быстро совершать вычисления, необходимые для моделирования искусственных нейронных сетей, оказалось – если мы направим искусственные нейронные сети на очень большое количество данных, то за счет того, что они очень хорошо улавливают некоторые статистические закономерности, смогут найти там то, что человек, закладывая в алгоритм, не найдет. И поэтому они начали приносить гораздо более эффективные решения».

Как искусственный интеллект ищет картинки?

«Изначально картинки эти выдавались просто: если у вас есть какая-то страничка, на которой часто встречается слово “кошка”, скорее всего, фотография с этой странички тоже будет соответствовать кошке. Поэтому выдавалась фотография кошки. Сам поиск по изображениям не велся. Но за последние сроки все крупные интернет-компании увидели, что алгоритмы нейронных сетей очень хорошо могут распознавать и классифицировать изображения. И они их начали использовать. И теперь, когда вы выбираете кошку, она действительно будет вам выдавать кошек по фотографии, даже если у них не было описания. То есть это как бы следующий этап. У нас первый этап был – когда они просто распознавали, что есть на изображении. А второй этап – они могут сегментировать, то есть найти, что на изображении есть кошка, собака, человек. И, более того, Google это встроил в облачный сервис по хранению фотографий, чтобы вы могли искать свои фотографии. Вы же их никак не размечаете, например. Просто наберете «люди» или «море», он должен вам найти, по идее, все фотографии, где вы были на море. И это очень полезно».

Полная расшифровка эфира, видео и аудио на сайте «Эха Москвы».