Как определить искусственный интеллект¶

Коротко

Единого, признанного всеми определения искусственного интеллекта не существует — и это нормально. На практике ИИ удобно распознавать по двум свойствам: автономности (способности действовать без постоянного участия человека) и адаптивности (способности улучшаться на данных и опыте). В этом уроке вы поймёте, почему ИИ так трудно определить, что такое «узкий ИИ» и почему привычные слова вроде «понимать» и «учиться» иногда вводят в заблуждение.

Почему у ИИ нет единого определения¶

Термин на слуху уже десятилетия, и определение давно должно было устояться. Но опросите десять специалистов — получите десять формулировок. Причин несколько, и каждая по-своему поучительна.

Первая — эффект ускользающей цели. Есть полушутливое наблюдение: «ИИ — это всё, что компьютер пока не умеет делать». Как только машина осваивает задачу — распознаёт лица, переводит тексты, обыгрывает человека в шахматы, — это перестаёт казаться «настоящим интеллектом» и превращается в «обычную программу». Планку всё время поднимают, поэтому зафиксировать границу сложно.

Вторая — наследие фантастики. В книгах и кино ИИ обычно изображают как человекоподобный разум: он мыслит, переживает, строит коварные планы. Отсюда завышенные ожидания. Реальные системы устроены скромнее: отлично решают конкретные задачи, но не обладают сознанием и здравым смыслом в человеческом понимании.

Третья — сама широта области. Под «ИИ» понимают и поиск оптимального маршрута, и распознавание речи, и рекомендации фильмов, и управление беспилотным автомобилем. Это очень разные технологии, и натянуть на них одно короткое определение трудно.

Парадокс: лёгкое для человека сложно для машины¶

На заре ИИ исследователи рассуждали так: раз компьютер легко считает огромные числа и играет в шахматы лучше многих людей, значит, скоро он освоит и «простые» вещи — узнавать предметы, поддерживать разговор, ходить по комнате. Получилось наоборот.

Задачи, которые человеку даются без усилий, оказались для машин крайне трудными. Маленький ребёнок легко отличает кошку от собаки, ловит мяч и понимает шутку. А вот перемножить двадцатизначные числа в уме почти никто не может — зато для компьютера это пустяк.

Этот парадокс удобно запомнить так: то, что эволюция оттачивала в нас миллионы лет (зрение, движение, язык), работает «само собой» и кажется простым, хотя внутри устроено невероятно сложно. А сознательные вычисления, которым люди научились недавно, даются нам с трудом, но легко формализуются для машины.

Важно

Хорошая иллюстрация — матч 1997 года, когда программа Deep Blue обыграла чемпиона мира по шахматам Гарри Каспарова. Шахматы казались вершиной интеллекта, но именно их машина освоила раньше, чем научилась уверенно узнавать предметы на фотографии. «Сложное» для человека оказалось «простым» для компьютера — и наоборот.

Рабочее определение: автономность и адаптивность¶

Раз идеального определения нет, договоримся о практичном. Систему разумно считать примером ИИ, если в ней сочетаются два свойства.

Автономность — способность выполнять задачу без постоянного контроля человека. Беспилотный автомобиль сам тормозит перед пешеходом, а спам-фильтр сам решает, куда отправить письмо. Человек задаёт цель и правила, но в момент работы система действует самостоятельно.

Адаптивность — способность улучшать свою работу на основе данных и опыта. Рекомендательная лента со временем точнее угадывает ваши вкусы, потому что учитывает, что вы смотрели и пропускали. Систему не переписывают вручную под каждого пользователя — она подстраивается сама.

Запомнить можно формулой:

ИИ ≈ автономность + адаптивность

Это не строгий закон, а удобный ориентир: чем сильнее в системе выражены оба свойства, тем увереннее мы называем её искусственным интеллектом. Калькулятор автономен, но не адаптивен — это ещё не ИИ. А навигатор, который сам прокладывает маршрут и учится на данных о пробках, попадает под определение куда лучше.

Пример: три российских якоря

Беспилотные авто. Машины Яндекса и грузовики на базе КамАЗа сами держат полосу, объезжают препятствия и реагируют на светофоры. Высокая автономность плюс обучение на пройденных километрах.
Рекомендательные ленты. Кинопоиск подбирает фильмы, Яндекс Музыка — треки, VK и Wildberries — контент и товары. Системы адаптируются под каждого пользователя по его поведению.
Работа с изображениями. FacePay в московском метро узнаёт лицо пассажира на турникете, а сервисы нейрофото генерируют портреты по описанию. И распознавание, и генерация опираются на обучение по большим наборам данных.

Узкий ИИ: специалист, а не универсал¶

Почти все системы, которые работают сегодня, — это узкий ИИ (его ещё называют «слабым»). Он отлично справляется с одной конкретной задачей, но не умеет переключаться на другие.

Алиса хорошо распознаёт речь и отвечает на вопросы, но не водит машину. Беспилотник прекрасно ведёт автомобиль, но не подберёт вам музыку. Спам-фильтр отсеивает мусорные письма, но ничего не «знает» о шахматах. Каждая система — узкий специалист в своей области.

Этому противопоставляют идею общего ИИ — гипотетической системы, которая решала бы любые интеллектуальные задачи на уровне человека и свободно переносила знания из одной сферы в другую. Такого ИИ пока нет, и неизвестно, появится ли он вообще. Поэтому, когда в новостях говорят о «прорыве в ИИ», почти всегда речь идёт об очередном впечатляющем, но узком инструменте.

Узкий ИИ на ваших данных

Узость — не недостаток, а сила: сфокусированная система точнее и предсказуемее. На этом построен ENGRAM: он работает с вашими корпоративными документами, отвечает на вопросы и всегда даёт ссылку на источник, а данные остаются в российском контуре. Наглядный пример узкого ИИ под одну практическую задачу.

ИИ — это дисциплина, а не «штука»¶

Ещё одна частая путаница связана с самим словом. Мы привыкли слышать «нейросеть нарисовала картинку» или «спросите у ИИ», и кажется, что ИИ — это предмет или существо, которое можно посчитать: «один ИИ, два ИИ».

На самом деле искусственный интеллект — это область науки и инженерии, такая же, как физика или медицина. Мы же не говорим «у меня есть две физики». Так и «один ИИ» про конкретную программу — не вполне корректно. Правильнее: «система на основе методов ИИ» или «модель машинного обучения». В обиходе сокращение «ИИ» прижилось, и это не страшно, но полезно держать в голове, что за ним стоит дисциплина, а не отдельная сущность.

Отсюда практичный вывод: не бывает «того самого ИИ», который всё умеет. Есть множество систем, каждая под свою задачу, собранных из общих строительных блоков, — их вы разберёте дальше в курсе.

Слова-чемоданы: почему «понимать» и «учиться» обманчивы¶

Слово-чемодан — это термин, в который каждый складывает свой смысл, отчего разговор становится мутным. В теме ИИ таких слов хватает: «понимать», «учиться», «думать», «знать» и сам «интеллект».

Когда говорят, что модель «понимает» вопрос, это не значит, что у неё есть осознание смысла, как у человека: она статистически связывает входной текст с подходящим ответом. «Система учится» — это не про любопытство и инсайты, а про настройку внутренних параметров под данные. Слова взяли из мира людей за неимением более удобных, но переносить на машину весь их человеческий смысл не стоит.

Почему это важно? Слова-чемоданы порождают завышенные ожидания и ненужные страхи. Если помнить, что «понимает» и «учится» здесь — технические метафоры, проще трезво оценивать, на что система способна, а на что нет.

Упражнение: ИИ или не ИИ?

Перед вами шесть знакомых сервисов. Для каждого решите: это пример ИИ — «да», «нет» или «отчасти»? Опирайтесь на автономность и адаптивность. Сначала подумайте сами, потом откройте разбор.

Формула в Excel, складывающая столбец чисел.
Прогноз погоды в Яндексе.
Навигатор 2ГИС, прокладывающий маршрут.
Рекомендации товаров на Wildberries.
Облачное хранилище, куда вы загружаете файлы.
Спам-фильтр Яндекс Почты.

Разбор:

Нет. Формула выполняет жёстко заданное действие и ничему не учится. Это автоматизация, но не ИИ.
Отчасти. Классический прогноз — это физико-математические расчёты, а не обучение на примерах. Но их всё чаще дополняют моделями машинного обучения, которые подстраиваются под данные наблюдений, — здесь появляется адаптивность.
Отчасти. Поиск кратчайшего пути — это алгоритм (вы изучите такие в главе про поиск и планирование). Но когда навигатор учитывает пробки и прошлые поездки, добавляются автономность и адаптивность.
Да. Рекомендации подстраиваются под ваше поведение и работают без участия человека — налицо оба свойства.
Нет. Хранилище просто отдаёт файлы по запросу. Ни самостоятельных решений, ни обучения здесь нет.
Да. Фильтр сам решает судьбу письма и со временем учится на новых примерах спама — это узкий ИИ в чистом виде.

Заметили закономерность? Граница часто проходит не по самому сервису, а по тому, есть ли в нём обучение на данных и самостоятельные решения.

Проверьте себя¶

Короткий тест по уроку: выберите ответ и нажмите «Проверить» — увидите счёт и разбор.

Частые вопросы¶

Чем искусственный интеллект отличается от обычной программы?

Обычная программа выполняет заранее прописанные инструкции и всегда действует одинаково. Система на основе ИИ обладает автономностью (действует без постоянного контроля) и адаптивностью (улучшается на данных). Калькулятор — это программа, а спам-фильтр, который учится распознавать новые письма, — это уже ИИ.

Что такое узкий ИИ простыми словами?

Узкий (слабый) ИИ — это система, которая хорошо решает одну конкретную задачу: узнаёт лица, переводит тексты, рекомендует фильмы. Он не умеет переключаться на другие задачи. Практически все существующие сегодня системы — это узкий ИИ. Универсального ИИ, способного на всё, пока не создано.

Правда ли, что у ИИ нет точного определения?

Да. Общепринятого определения не существует, и специалисты формулируют его по-разному. Причины — ускользающая планка («ИИ — это то, что машина пока не умеет»), влияние фантастики и огромная широта области. На практике помогает рабочий ориентир: ИИ ≈ автономность + адаптивность.

Почему нельзя говорить «один ИИ, два ИИ»?

Потому что искусственный интеллект — это научная дисциплина, а не отдельный предмет или существо. Корректнее называть конкретную программу «системой на основе ИИ» или «моделью машинного обучения». В разговорной речи сокращение «ИИ» допустимо, но за ним стоит целая область знаний, а не одна «штука».

В курсе: ← К главе 1 · Дальше: ИИ и смежные области: ML, data science, робототехника →

Авторы курса: Герман Коваленко (основатель ENGRAM) и Сергей Добров.

Попробуйте ENGRAM на своих данных

Нейросеть на ваших встречах, документах и переписке: отвечает со ссылкой на источник. Это ваша вторая память на базе ИИ. Данные хранятся в России, старт бесплатный.

Зарегистрироваться бесплатно