— Фу, как неудобно быть сделанным из мяса и костей! — задумчиво сказал Страшила. — Вы должны спать, и есть, и пить. Впрочем, у вас есть мозги, а за них можно терпеть всю эту кучу неудобств.

Волшебник Изумрудного города, Александр Волков

Иллюстрация Малики Халиковой

Что такое искусственный интеллект?

Как часто и как много мы слышим об искусственном интеллекте. Нам говорят о важности этих технологий, ученым обещают большие премии за научные статьи по этой тематике, в новостях появляются истории о сгенерированных нейросетями имиджах, а чего стоит только дипломная работа, написанная с помощью чата-помощника. Более того, решения на базе искусственного интеллекта уже окружают нас, мы используем их, зачастую даже не подозревая об этом. В то же время, мы пока еще плохо понимаем, что же такое искусственный интеллект, какие технологии создают «умные машины» и как это все работает.

За помощью с ответами на вопросы мы обратились в Новгородский университет, к Владиславу Ананьеву, аспиранту в Институте системного программирования РАН, который преподает для магистрантов Института электронных и информационных систем НовГУ предмет «Машинное обучение на больших данных», а также занимается практической разработкой решений на базе технологий искусственного интеллекта.

— Если использовать образ из кино и книг, то это суперкомпьютер с собственным разумом, который самостоятельно мыслит, принимает решения, обучается. На сегодняшний день такой образ — фантастика. Может быть когда-нибудь в будущем мы и придем к созданию такого «суперкомпьютера», но сейчас у нас есть понятие искусственного интеллекта и есть реальность, в которой существуют конкретные решения. И вот эту реальность проще назвать термином «машинное обучение», а решения из этой области можно назвать алгоритмами или моделями. Они пытаются повторить какую-то отдельно взятую функцию человеческого мозга — распознавание речи, распознавание текста, звука, картинок, классификация объектов на этих картинках и так далее. Получается, что некие функции мозга человека пытаются реализовать в рамках таких моделей, — пояснил Владислав Ананьев.

Человеческий мозг, сталкиваясь с той или иной информацией, за доли секунды успевает ее проанализировать, классифицировать и обработать. А потом еще понять, сделать вывод и принять какое-то решение. Научить же машину делать с данными то же самое, что делаем мы сами — задача совсем не простая. Рассказать о том, как создаются, обучаются и работают технологии машинного обучения мы постараемся на примере очень популярных сейчас нейросетей, в области которых за последний год произошел существенный прорыв.

Нейросети головного мозга и видеоигры

— Как это начиналось? Были алгоритмы, которые брали, к примеру, изображение с фотоаппарата и видеокамеры. Инженер-программист или исследователь-аналитик что-то с этим изображением делал, обрабатывал его методами из области цифровой обработки изображений. И дальше разрабатывал алгоритм как четкую последовательность шагов, которая на основе этой обработанной картинки выдавала результат. К примеру, говорила, какой объект есть на картинке. Это была четкая алгоритмическая последовательность действий, которую тогдашний программист выстраивал и она приводила к решению, — рассказывает Владислав.

Сейчас с изображениями работают искусственные нейронные сети. Название в данном случае говорит само за себя — в основе работы таких сетей лежат принципы работы нашего мозга.

Ученые достаточно подробно исследовали работу нейронов, затем математики предложили математическую модель и была создана модель искусственного нейрона, которая очень грубо повторяет принципы действия нейрона биологического. Это очень большая формула, где с помощью математики описаны биологические процессы нашего мозга.

Когда придумали искусственный нейрон, появилось такое понятие, как «обучение». На основе данных люди смогли обучать математическую модель, а предварительная обработка данных стала не нужна — теперь модель учится самостоятельно находить признаки и по ним принимать решение.

Прорыв в этих технологиях произошел сейчас, потому что появилась техническая возможность качественно и в режиме реального времени эффективно обрабатывать подобные задачи. Интересно, что этим прорывом мы обязаны видеоиграм, а точнее видеокартам, которые используются в игровых компьютерах. Процессор таких видеокарт обсчитывает миллионы изображений на экране, умеет очень быстро выполнять много параллельных простых вычислений. Так получилось, что это смогли использовать в нейросетях. Фирма NVIDIA, которая выпускает игровые видеокарты, сначала сделала специальный интерфейс, дав возможность программировать не только для видеоигр, а потом стала выпускать специализированные видеокарты, которые по сути уже не являются видеокартами, а предназначены именно для вычислений в нейросетях.

Что такое нейросеть? Как ее строят и чем она отличается от привычной компьютерной программы?

Разрабатывая нейросеть, программист строит своего рода каркас из искусственных нейронов, задавая их слои и строя связи между ними. В то же время, в каждой из этих связей есть коэффициенты, которые формирует сама модель при обучении. Задать эти коэффициенты заранее нельзя, они — результат опыта модели в процессе обучения.

Собственно обучение модели основано на математике. Так как искусственный нейрон — это формула, то обучение — это математические действия.

— Например, у нас в матанализе есть понятие «линейная регрессия». Есть уравнение: y=ax+b. Х — это какие-то входные данные, та же картинка, ее пиксель. А вот эти a и b — это коэффициенты, которые нужно подобрать, чтобы получить правильный ответ. Принцип нейрона основан на том, чтобы подобные коэффициенты в процессе обучения корректировать и подбирать, — объясняет Владислав Ананьев. — Процесс обучения очень грубо (хотя многие не любят такое сравнение) похож на обучение совсем маленького ребенка. Мы ему показываем картинку и говорим: «это папа». Модели мы показываем данные и говорим правильный ответ. Она прокручивает эту картинку, выделяет на ней признаки, что-то решает, и мы смотрим на ее ответ и оцениваем, насколько он отличается от правильного. То есть оцениваем, насколько модель ошиблась, мы ее поправляем. Ребенку мы пытаемся объяснить и раз за разом повторяем слово, чтобы он правильно его произнес. Модель также со временем учится и начинает понимать. В искусственных нейросетях это называется «функция ошибки». Мы ей показываем, насколько далека она от правильного ответа и корректируем ее. Это называется «обучение с учителем».

И это лишь один из способов обучения нейросети. Главное, что можно сказать о процессе — он очень ресурсоемок и зависит от человека, а ключевыми являются данные. Также еще не понятно, почему мозгу человека или животного нужно значительно меньше данных для обучения, чем искусственной нейросети. Очевидно, какие-то моменты в формулах и самой математической модели еще очень далеки от совершенства.

Тем не менее, в последнее время в области искусственного интеллекта эксперты отмечают заметный прорыв в технологиях. Например, появилось огромное количество решений, которые могут по описанию сгенерировать лицо человека в миллионе разных вариантов, картины художников в любом стиле, музыку по описанию. А недавно появившийся ChatGPT умеет даже получать описание задачи и выдавать на основе этого описания решение, причем в очень многих случаях это качественное решение. Из свежих примеров — нейросеть решила задачки и устроилась на работу за человека, который ничего не делал.

— Если взять подобные текстовые модели два года назад, например, как ChatGPT, они работали хорошо, но они генерировали текст по запросу. В зависимости от того, на чем модель была обучена, например, на текстах Шекспира, она хорошо применяла стилистическую окраску того, как он писал. Модель научилась подгонять тест под эту стилистику. Там не было смысла — отдельные словосочетания, группы слов, предложения, возможно, которые имели смысл, — но не было связности. Сейчас в новых моделях мы видим изменение ситуации. Они выдают связные тексты, хотя ляпы присутствуют, но это вопрос времени, — рассказывает Владислав.

Управляющий, а не чернорабочий

Свое видение развития технологий искусственного интеллекта и их практического применения представил журналистам вице-президент по информационным технологиям ПАО «Ростелеком» Кирилл Меньшов. По его словам, сейчас роботы-ассистенты на телефонах в компаниях показали нежелание человека взаимодействовать с машиной. «Для всех стало очевидно, что человек с машиной общаться не хочет». Зато становится понятно, что машинам удается эффективно руководить людьми.

— Если посмотреть, какое количество людей в России сейчас управляется машиной вместо живого человека... Вот именно здесь, судя по всему, и ожидается выступление искусственного интеллекта, — подчеркнул Кирилл Меньшов. — Таксисты «Яндекс.Такси» не получают заказ от руководителя. Задачу им дает искусственный интеллект. В «Ростелекоме» монтажники используют приложение «Цифровой монтажник», которое говорит им куда пойти и что сегодня надо делать — кого-то подключить, установить оборудование или сделать какой-то ремонт. И им тоже не дает задачу руководитель. Раньше это была специальная группа, которая координировала работу монтажников. Сейчас это делает алгоритм искусственного интеллекта. Да, еще не на 100%, но все больше. Мы пользуемся доставкой еды, «Самокатом» или тем же «Яндексом». Никто из людей не дает поручения курьерам, кому что везти — все это делают машины и искусственный интеллект.

Как ни странно, решения на базе искусственного интеллекта начинают управлять человеком в рамках его повседневной деятельности. А дело все в том, что для бизнеса очень эффективно создать единую систему управления, которая будет анализировать и предлагать оптимальные пути маршрутов тех же самых курьеров, определять оптимальную очередность тех или иных заявок. Это пространство для маневров, а в результате огромные суммы сэкономленных расходов, тем более сейчас для этого есть все необходимые технологии. 

— Здесь можно сказать, что искусственный интеллект подкрался там, где мы не ждали. Вместо того, чтобы заменить человека в обычной бытовой регулярной деятельности, он начал управлять людьми. Потому что люди действительно лучше ездят на самокате, лучше доставят вам продукты, чем какой-то робот. Это будет гораздо дешевле, надежнее и проще. А вот управлять ими действительно проще с помощью искусственного интеллекта, — подытожил вице-президент «Ростелекома».

Крупные компании сейчас массово внедряют решения на базе технологий искусственного интеллекта, а в Сбере даже посчитали, что в 2022 году финансовый эффект от их внедрения составил более 230 млрд рублей. В банке такие решения используют, чтобы создавать новые продукты, улучшать клиентский опыт и развивать клиентоцентричный подход. Также они выстраивают оптимальный маршрут для инкассации и решают сколько наличных положить в тот или иной банкомат.

ИИ — помощник для врача?

Еще одна область, в которой пророчат большое будущее для решений на базе искусственного интеллекта — это медицина. Здесь грамотное внедрение новых технологий поможет снять с врачей нагрузку, станет подспорьем в работе, сделает диагностику проще.

Иллюстрация Малики Халиковой

В лаборатории медицинской информатики НовГУ занимаются анализом медицинских данных с помощью технологий искусственного интеллекта. Сейчас специалисты ведут проект по теме «рак легкого». В качестве данных берут компьютерные томограммы людей, в которых модель ищет узлы и говорит, злокачественные они или нет. Еще один проект — изучение гистологических снимков. Например, одна из задач — найти сосуды и определить, есть ли в них инвазия раковых клеток.

— По сути все наши решения мы затачиваем на то, чтобы помочь врачу в его работе. Опять таки, есть популярное заблуждение, что нейросети или искусственный интеллект заменят врачей. Никто их никогда не заменит в принципе. Понимаете, сейчас у врачей есть какие-то инструменты, которыми они пользуются для выполнения своей работы. Эти инструменты кто-то когда-то делал. По началу они, вероятно, тоже вызывали неприятие и непонимание. Мир меняется, технологии меняются. Соответственно, нужно делать новые инструменты, — пояснил Владислав Ананьев, который также работает в лаборатории медицинской информатики НовГУ.

В реальности сейчас решениями на базе нейросетей и машинного обучения в медицине много занимаются, но на практике в клиниках такие решения используют единицы, массового внедрения нет, а разработчики сталкиваются с целым рядом трудностей. Среди них — устаревшие и ненадежные информационные системы в больницах, некачественные снимки, но главная проблема — психологическая. Зачастую врачи не заинтересованы что-то менять в работе, пробовать новые технологии. От пациентов также тяжело получить согласие на анализ их данным с помощью искусственного интеллекта.

Так, сервис SuperJob провел опрос среди жителей Великого Новгорода о том, готовы ли они довериться ИИ в медицине. Оказалось, что каждый второй новгородец (51%) считает, что диагностику и назначение лечения пациентов можно доверить искусственному интеллекту, но 3% уверены, что на алгоритмы можно положиться полностью, а 47% — лишь частично. По мнению 36%, полагаться на искусственный интеллект в медицинских вопросах нельзя.

А вот свое собственное здоровье готовы доверить искусственному интеллекту только 16% новгородцев: 3% в этом однозначно уверены, а 14% — скорее согласились бы. Большинство опрошенных (80%) не хотели бы, чтобы в случае их болезни постановкой диагноза и назначением лечения занимался искусственный интеллект: однозначно скептичны 37%, тогда как 40% скорее не готовы на это.

В медицине на передний план выходит такое понятие, как «объяснительный интеллект». Мало просто выдать результат — отметить на снимке узелок и предположить, что он злокачественный. Нужно еще выдать объяснение, почему модель сделала такое заключение. Это важно, чтобы врач понимал принципы работы, а в случае ошибки было ясно, почему она допущена.

— Пока что такие системы — нейросети и прочее — продвигаются как системы поддержки принятие решений. В текущий момент времени эти системы — что-то вроде очень крутого справочника, который не просто справку выдает, а нарисует еще и красивые диаграммы, посчитает характеристики и так далее. Они дают врачу черновое заключение, но это уже много, — пояснил Владислав.

В НовГУ в своем проекте решили не ограничиваться только разработкой. Здесь врачей обучают работе с новыми системами. Хотя массового внедрения ИИ в медицину еще нет, появление полноформатных решений и их использование — вопрос времени.

Иллюстрация Малики Халиковой

И это только начало

Искусственный интеллект — большой тренд в IT-сфере, который бурно развивается не первый год. От теоретических наработок мы приходим к практическим решениям, которые меняют бизнес-модели, создают индустрии, работа которых еще десять лет назад казалась невозможной. Кто знает, в какой именно области произойдет следующий прорыв. Может, это будет медицина или кино? А может искусственный интеллект создаст новую отрасль? Остается только следить за новинками и их практическим внедрением. И стараться не отставать.