Игры с разумом

Разработчики систем, использующих элементы искусственного интеллекта для обучения машин, часто обращаются к играм. Шахматы, в которых позиции сторон видны полностью, покорились компьютерам еще два десятка лет назад.

В прошлом году система Alpha­Go, разработанная гугловской лабораторией DeepMind, обы­грала в игру го Ли Седула, счи­тавшегося лучшим игроком мира. Затем AlphaGo зарегистрировали в онлайновом сообществе игроков в го, и машина инкогнито принимала участие в турнирах. Счет получился разгромным: 50 побед в 51 игре против топовых игроков мира. Причем единственное поражение было техническим: оно случилось из-за перебоев на линии связи.

Интуиция не в счет

Наконец, в январе 2017 года настал черед покера. От предыдущих игр он отличается тем, что участники действуют в ситуации неопределенности. Считается, что здесь есть место и интуиции, и удаче. Вот только статистика и адаптирующиеся алгоритмы справились и без них. Оказалось, что все можно предусмотреть и просчитать.

Победителем турнира в Питтсбурге (США) стала компьютерная система Libratus. Случайность результата исключена: турнир продолжался в течение 20 дней. Программа не только завершила его с крупным выигрышем, но и обыграла, в частности, четырех известных, высокорейтинговых покеристов.

Отметим, что Libratus не использовала нейронные сети, а полагалась в основном на технологию обучения с подкреп­лением, более известную как метод кнута и пряника. В отличие от большинства компьютерных игроков свою стратегию машина выработала самостоятельно, а не в результате анализа больших данных — баз записанных партий. Она обучалась с нуля, играя сама с собой практически наугад. После того как Libratus смоделировала миллиарды партий, она стала сопоставима по уровню с лучшими игроками-людьми, а затем и превзошла их, поскольку намного лучше определяла свои ставки.

Обучение шло даже в ходе турнира — через анализ игры оппонентов. Интересная деталь: в состав программы был введен модуль, выявляющий и блокирующий повторяющиеся решения Libratus, которые могли заметить другие игроки. В результате предсказать действия машины стало практически невозможно.

Однако даже не эти способности привлекают внимание к Libratus. Наиболее важным в практическом плане является то, что столь эффективную программу создали всего два разработчика — профессор и выпускник университета Карнеги Мелон. Все начиналось как исследовательский проект и потребовало только двух лет работы. Для сравнения: до того как начать игру с самой собой, «корпоративной» AlphaGo понадобилось предварительно проанализировать миллионы комбинаций из специально подготовленной базы.

Налицо тенденция: технология становится все более доступной. Чтобы создать работающую систему, многомиллионные вложения уже необязательны. Это дает шанс даже небольшим стартапам, в том числе из Беларуси.

Распознает самый умный

В нашей стране интерес к искусственному интеллекту есть и у небольших команд. На хакатоне AI Hackathon, прошедшем месяц назад на базе ПВТ, было представлено 45 проектов. Следует отметить, что обычно в таком мероприятии принимают участие маленькие команды, а на выбор тематики влияет ограниченный срок — 48 часов, в течение которых нужно разработать прототип продукта. В таких условиях обычно опираются на какие-­либо наработки или платформы, доступные инструменты искусственного интеллекта в которых проработаны в наибольшей степени. Как следствие, команды интересовались в основном обработкой изображений и звука, были и проекты в области компьютерной лингвистики. С задачей справилось менее половины участников, а победителями стали те, кто предложил вполне рабочие и перспективные системы.

Первое место заслуженно заняла команда mInfrrence, состоящая всего из двух человек. Представленная ими программа позволяет решать задачи по распознаванию образов без использования «облака» или сервера. В результате, например, веб-камера способна распознавать лица локально. Это доказывает, что элементы искусственного интеллекта могут применяться даже в простых гаджетах, а не только опираться на дата-центры.

Основа приложения, библиотека NNPACK, была написана одним из участников команды во время учебы в аспирантуре. Так что белорусские информационные технологии — это не только массовый «кодинг», но и наука. Вот только аспирантура была не отечественной, а Технологического университета Джорджии, США.

Второе место команде OneSoil обеспечила система, распознающая сорняки на фотографиях капустных и рапсовых полей. Полученную информацию можно использовать для адресной обработки химикатами, что позволит сэкономить до 75 % средств и уменьшить вредное воздействие на экологию.

Нельзя не отметить, что подобная технология могла бы стать хорошим дополнением к беспилотной авиации. В позапрошлом году на выставке TIBO демонстрировался комплекс сельскохозяйственной аэрофотосъемки с помощью дрона-мультикоптера, причем анализ сделанных с его помощью фотоснимков проводился в основном человеком. Система автоматического распознавания могла бы повысить эффективность комплекса и снизить требования к квалификации оператора.

Третий призер, команда RocketBody, представила приложение, по фотографии определяющее калорийность еды, компоненты блюда и некоторые параметры его приготовления.

Ждем искусственный разум?

Несмотря на успехи машин, создание искусственного интеллекта все еще остается фантастикой. Все современные системы предназначены для решения конкретных задач и умеют действовать только в их контексте. Именно это дает почву для сомнений относительно технологий чат-ботов и других направлений, там, где самообучающиеся машины должны непосредственно общаться с людьми. Да, скоро они смогут взять на себя задачи детально формализованного общения в конкретном контексте, но не более того.

Попытки создать робота для общения на любые темы по-прежнему заканчиваются провалом. Иногда забавным, как это произошло с чат-ботом Microsoft. Тот работал в Twitter и изменял свое поведение в зависимости от стиля общения собеседников. Начало было чинным и благородным, но уже через считанные часы робот научился грязно ругаться. Чуть позже, когда в его репликах стали проскакивать расистские высказывания, машину от греха подальше отключили.

Впрочем, в данном случае возникает параллель между развитием человеческого и машинного интеллекта, ведь есть же широко распространенное утверждение о том, что ребенка легче научить плохому, чем хорошему. Такая похожесть не может не внушать оптимизма. Остается открытым вопрос, чему мы все-таки научим машины.