Искусственный интеллект в Японии: глубокое обучение и текущая ситуация

В марте 2016 года разработанный под эгидой американской корпорации Google искусственный интеллект «АльфаГо» компании DeepMind одержал разгромную победу над профессиональным игроком в го высочайшего мирового уровня. Эта новость, свидетельствующая о быстром прогрессе искусственного интеллекта, поразила весь мир.

Само понятие «искусственный интеллект» имеет давнюю историю. Первым в мире электрическим вычислительным устройством стала созданная во время Второй мировой войны британским математиком Аланом Тьюрингом машина для прочтения зашифрованных сообщений. Изначальной идеей было заменить человека-вычислителя (computer), создав для этого механизм «цифровой вычислитель» (digital computer). Таким образом стремление создать устройство, обладающее интеллектом, подобным человеческому, существовало с самого момента рождения первого компьютера. Фактически основы концепции искусственного интеллекта были сформулированы в научной статье, опубликованной Тьюрингом в 1947 году. Понятие «искусственного интеллекта» (ИИ, AI, Artificial Intelligence) получило признание в 1956 году, когда учёные, ведущие исследования в этой области, провели «Дартмутский семинар» – конференцию по вопросам искусственного интеллекта в Дартмутском колледже. Между тем в Японии Научное общество искусственного интеллекта (ссылка на англ. яз.) было учреждено в 1986 году, и исследования в области ИИ начались на 30 лет позже, нежели в общемировом масштабе.

Машинное обучение и нейросети

В 1986 году, когда появилось Научное общество искусственного интеллекта, в разгаре был «второй бум» ИИ. Поэтому для удобства изложения автор предлагает называть ИИ, применяющий обсуждаемые здесь концепции, «искусственным интеллектом второго поколения». ИИ (назовём его для удобства «искусственным интеллектом 1-го поколения»), идею которого впервые предложил Тьюринг, подразумевал более широкий подход – в частности, имитацию множественных связей, формируемых нервными клетками (нейронами) в нейросети, в то время как с переходом ко второму поколению главным направлением стала обработка сигналов и интеллектуальной информации. Примерно с этого времени в Японии началось финансирование разработок искусственного интеллекта. Далее повсеместно, в том числе и в Японии, под искусственным интеллектом стали подразумевать именно обработку сигналов и интеллектуальной информации. С тех пор и вплоть до настоящего времени около 90% наиболее сильных исследователей в мире занимаются именно этим, вторым поколением ИИ. Исследования ИИ второго поколения внесли немалый вклад в мировое развитие. К примеру, благодаря результатам исследований ИИ второго поколения «Всемирная паутина» (World Wide Web) обрела поисковые системы, такие как Google.

И вот в 2000-е годы с резким взлётом вычислительных возможностей компьютеров произошёл резкий всплеск активности в прежде практически малозаметной сфере, именуемой «машинным обучением». Машинное обучение – это методы, использующие алгоритмы, предназначенные для анализа данных об определённых явлениях, обучение на основе выявленных таким образом тенденций и принятие решений, а также прогнозирование на основе результатов этого обучения. Метод как таковой существовал издавна, но практическое машинное обучение стало осуществимо лишь с ростом вычислительных возможностей компьютеров. Если прежде попытки обучения такого рода не приносили успехов, то с повышением вычислительного потенциала появилась возможность заставить машину учиться, используя большие объёмы данных в многослойных нейросетях. Этот процесс называют «глубоким (глубинным) обучением» (deep learning).

Отсутствие экспертов по глубокому обучению

Прозябание направления машинного обучения на протяжении 1990-х годов обернулось малочисленностью исследователей-экспертов по машинному обучению. Ещё меньше специалистов по глубокому обучению. Немногочисленные авторитеты в области глубокого обучения были ангажированы исследовательскими подразделениями таких предприятий, как американские Google, Facebook и Microsoft или китайская компания Baidu.

Как следствие, в настоящее время давно специализирующиеся на глубоком обучении исследователи столь же малочисленны и редки, как бриллианты. Наша страна не является исключением. Более того, фактические результаты, достигнутые Японией, увы, таковы, что вполне можно говорить об отсутствии исследователей-специалистов по глубокому обучению во всех университетах и исследовательских учреждениях.

Конечно, в связи с бумом последних лет в каждом вузе и НИИ начали в срочном порядке предпринимать усилия по взращиванию исследователей в области глубокого обучения. Однако практически в любом вузе занимают руководящие посты и обладают политической властью по большей части профессора-исследователи искусственного интеллекта второго поколения, чей потенциал в качестве исследователей систем глубокого обучения (которое, по мнению автора, является искусственным интеллектом следующего, третьего поколения) не слишком отличается от знаний новичков, делающих первые шаги в научной деятельности. Усложняет ситуацию и наличие нюансов в подходах специалистов по машинному обучению и специалистов в области глубокого обучения.

Приведу лишь один пример того, сколь легкомысленно относятся представители академических кругов к глубокому обучению.

В июне 2016 года автор этой статьи по предложению Министерства экономики, торговли и промышленности занимался планированием двух посвящённых глубокому обучению сессий при подготовке Национального съезда Научного общества искусственного интеллекта. Уже при обсуждении названия сессий академические исследователи заявили о своём несогласии: «Мы не соберём слушателей, если будем использовать в названии заседаний глубокое обучение».

Сколь бы странно это ни звучало, но именно с таким мнением о глубоком обучении автору довелось столкнуться лишь год назад. Пока японские учёные мешкают, западные и китайские специалисты то и дело добиваются результатов, оставляя их позади.

Фурор «нейропереводчика», созданного в Google

Простой подсчёт заседаний, в название которых вошли слова «глубокое обучение» или «машинное обучение», на прошлогоднем общенациональном собрании Научного общества искусственного интеллекта свидетельствует: их доля не превышала 10%. Между тем осенью прошлого года произошло важное для исследователей искусственного интеллекта событие. Компания Google объявила о создании системы нейронного машинного перевода – «нейропереводчика».

«Нейро» в данном случае означает, что система никак не использует прежние методы анализа естественного языка, осуществляя перевод только за счёт нейросети, обученной путём сравнения готовых переводов. Превосходящая степень точности этого, на первый взгляд, простого метода перевода поразила специалистов.

В Японии основным направлением исследований был анализ текста на естественном языке и машинный перевод. Исследователи ИИ второго поколения, считая, что интеллект «можно воспроизвести, логически уяснив концепцию», пытались распутывать загадки с помощью логики. Поскольку предполагалось, что анализ естественных языков позволит приблизиться к пониманию человеческого интеллекта, данный подход считался исключительно значимым.

Однако создатели нейропереводчика компании Google решительно отказались от такого подхода на основе анализа естественного языка и обучили машину выполнять задачу исключительно по принципу «чёрного ящика». Если рождаемые таким методом переводы продемонстрируют высокую точность, это выбьет почву из-под ног исследователей, отдававших до сих пор все силы анализу естественных языков.

Искусственный интеллект «АльфаГо» переворачивает общепринятые представления

Событие, аналогичное появлению нейропереводчика, произошло и в игре го. Как уже упоминалось, в марте прошлого года искусственный интеллект «АльфаГо» компании DeepMind одержал убедительную победу над профессиональным игроком – обладателем 9 дана. Создавая этот ИИ для игры в го, разработчики тоже прибегли к новому, совершенно отличному от прежних подходу.

Интеллект «АльфаГо» использует две нейросети глубокого обучения – анализатор позиции Value-Network и анализатор стратегии Policy-Network, активно использующие протоколы прошлых партий и формирующие игру в борьбе друг против друга. Этот метод, именуемый усиленным глубоким обучением, является сейчас одним из основных направлений.

До сих пор искусственные интеллекты для игры в го использовали запрограммированные правила игры и приёмы, в значительной степени опираясь на продуманные людьми алгоритмы поведения, необходимого для победы. Программисты ИИ для игры в го вели изыскания с целью понять, каким образом следует играть для того, чтобы одержать победу над человеком, либо решали задачу создания возможно сильного искусственного интеллекта, сочетая этот метод с простым машинным обучением. Но такой подход так и не смог породить ИИ, способный на равных бороться с профессиональными игроками.

Внезапный и ослепительный звёздный взлёт доселе практически неизвестной компании DeepMind, одержавшей столь значимую победу, стал для развития ИИ в игре го толчком, после которого и в Японии, и в Китае как крупные предприятия, такие как Baidu и Dwango, так и программисты-любители стали всё чаще направлять свои творения на чемпионаты по игре в го среди искусственных интеллектов. С другой стороны, в связи с победой «АльфаГо» в марте 2017 года с завершением 10-го Чемпионата по игре в го среди компьютеров на приз Университета электросвязи, проводившегося с 2007 года, организаторы объявили о прекращении проведения этих чемпионатов.

Компания DeepMind продолжает одну за другой разрабатывать и предлагать новые технологии, удерживая позицию мирового лидера. В Японии, помимо активного приложения сил к глубокому обучению таких относительно новых игроков как Yahoo, DWANGO или Preferred Networks, продолжают инвестировать средства в ИИ крупные предприятия, в первую очередь Toyota и FANUC. Однако их усилия пока не привели к заметным успехам.

Фотография к заголовку: В марте 2016 года программа искусственного интеллекта «АльфаГо», созданная под эгидой Google компанией DeepMind, одержала победу в серии матчей с профессионалом-обладателем 9-го дана Ли Седолем (фотография AP/Aflo)