क्षमताएं हैं, लेकिन कोई कारण नहीं है: एआई के साथ सामना नहीं कर सकने वाले कार्य

सेंट पीटर्सबर्ग स्टेट यूनिवर्सिटी में सूचना प्रौद्योगिकी विभाग के प्रोफेसर तात्याना गेवरिलोवा बताते हैं कि कार को यह तय करने की जरूरत है कि कौन लोग बलिदान कर सकते हैं - जो कार के अंदर हैं या जो पहियों के नीचे घुसे हुए हैं, वे बताते हैं कि कौन सा एल्गोरिदम कृत्रिम बुद्धिमत्ता को दर्शाता है और इसके डेवलपर्स को किन कठिनाइयों का सामना करना पड़ता है।

जीवित मस्तिष्क से लेकर कृत्रिम बुद्धि तक

पिछले पांच वर्षों में, प्रकाशनों, भाषणों, भय, साथ ही प्रचार - चर्चा, प्रचार और आक्रामक विज्ञापन की एक बड़ी लहर कृत्रिम बुद्धिमत्ता के आसपास बढ़ी है। यह मुख्य रूप से अटकलों और अपवित्रता को इंगित करता है। एक दूसरे के साथ मरने वाले समाचार पोर्टल बताते हैं कि कैसे एक तंत्रिका नेटवर्क ने एक और अद्भुत चाल सीखी। यह समझा जाना चाहिए कि एक कृत्रिम तंत्रिका नेटवर्क मस्तिष्क का एक मॉडल नहीं है। न्यूरोफिज़ियोलॉजिस्ट ध्यान दें कि मस्तिष्क का तंत्र अभी भी खराब समझा जाता है, और इसका मॉडल गणितीय औपचारिकता से दूर है।

2013 में, यूरोपीय आयोग ने मानव मस्तिष्क परियोजना अनुसंधान परियोजना का मूल्यांकन किया और अनुसंधान के लिए $ 1 बिलियन का अनुदान आवंटित किया। इस परियोजना का लक्ष्य मानव मस्तिष्क का एक पूरी तरह कार्यात्मक कंप्यूटर मॉडल बनाना है। मस्तिष्क की जटिलता को प्रस्तुत करें: कैसे न्यूरॉन्स एक दूसरे के साथ जुड़ते हैं और बातचीत करते हैं, यादें कैसे बनती हैं, और निर्णय किए जाते हैं। 2019 में यूरोपीय सम्मेलन में, न्यूरोसाइंटिस्ट, निदेशक और मानव मस्तिष्क परियोजना के संस्थापक, हेनरी मार्कराम द्वारा एक प्रस्तुति दी गई थी। उन्होंने और टीम ने मस्तिष्क की छवियों को दिखाया, अलग-अलग पक्षों से एक टोमोग्राफ पर रोशनी की, इस बात पर जोर दिया कि वे जितना अधिक मस्तिष्क में गहराई तक गए, उतना ही कम यह स्पष्ट हो गया कि यह कैसे काम करता है। इस समय वे सभी लघुकरण के मार्ग पर बढ़ रहे हैं, लेकिन यह स्पष्ट है कि मस्तिष्क के स्थूल-मॉडल की आवश्यकता है। यहां आप प्रसिद्ध रूपक के साथ एक सादृश्य आकर्षित कर सकते हैं: कोई फर्क नहीं पड़ता कि टीवी के अंदर कितनी चींटी रेंगती है, यह अभी भी समझ में नहीं आता है कि यह किस प्रकार का उपकरण है।

चैटबॉट बोलते हैं लेकिन समझ में नहीं आता है

पहला संवादी कार्यक्रम "एलिजा" 60 के दशक में वापस विकसित किया गया था। उसका काम मनोचिकित्सा सत्र की तरह था। एक उदाहरण संवाद इस तरह लग सकता है:
- नमस्कार। कैसा लग रहा है
- मेरा सिर दर्द करता है।
- ऐसा कितनी बार होता है?
"हर बार मैं अपनी माँ से बात करता हूँ।"
"आप अपनी माँ के साथ एक समस्या है।" हमें इसके बारे में और बताएं।

कार्यक्रम में रिक्त का एक सेट होता है। प्रत्येक वाक्य में कीवर्ड की पहचान करता है और बिना किसी मतलब के, बातचीत का भ्रम पैदा करता है। इस प्रकार, एलिजा कुशलता से कई घंटों तक बातचीत कर सकती थी, जिससे लोगों पर अच्छा प्रभाव पड़ा।

यैंडेक्स से आज का एलिस एक ही एलिसा है, जो एक जुड़े सेवा मंच और बहुत समृद्ध शब्दावली के साथ है। ऐसे चैट बॉट्स की सारी बुद्धिमत्ता पीछे हटने के लिए आती है। यदि हम उनके लिए चिन्हित करते हैं कि उत्तर खराब, अनुपयुक्त हैं, तो यह भविष्य में उन्हें खत्म कर देगा, और अच्छे लोगों को छोड़ देगा जो उपयुक्त हैं। कार्यक्रम की वास्तविक तर्कसंगतता, इसकी क्षमता न केवल यह निर्धारित करने के लिए है कि चित्र में क्या दिखाया गया है या मौखिक भाषण को पाठ में परिवर्तित करने के लिए, बल्कि जानकारी के अर्थ को समझने और सोचने के लिए, केवल ज्ञान के आधार से जुड़ा होने पर दिखाई देगा। यह विश्व व्यवस्था की एक निश्चित समझ है। कोई भी कार्यक्रम अभी तक ऐसा नहीं कर सकता है। ज्ञान आधार के साथ काम करने वाली कृत्रिम बुद्धिमत्ता को प्रतीकात्मक AI (प्रतीकात्मक AI) कहा जाता है।

अब दो दिशाओं का सक्रिय रूप से उपयोग किया जाता है: कृत्रिम तंत्रिका नेटवर्क और मशीन लर्निंग। उनका विकास वैज्ञानिकों के मार्गदर्शन में, लेकिन आईटी कंपनियों में वैज्ञानिक प्रयोगशालाओं में नहीं किया गया है। कृत्रिम तंत्रिका नेटवर्क के प्रोग्रामर और डेवलपर्स स्वीकार करते हैं कि मस्तिष्क के अलावा कुछ भी सोच नहीं है। इसलिए, यदि वे एक बुद्धिमान प्रणाली बनाना चाहते हैं, तो उन्हें मस्तिष्क का अनुकरण करने के लिए मजबूर किया जाता है, क्योंकि अधिक कुछ नहीं है। लेकिन एक कार्डिनल सफलता उन लोगों के लिए होगी जो ज्ञान प्रतिनिधित्व और मशीन सीखने के मॉडल को पार करने में सक्षम हैं।
वैसे, कुछ कंपनियां पहले से ही नौकरी प्लेसमेंट के लिए रोबोट का सक्रिय रूप से उपयोग कर रही हैं। वे बड़े पैमाने पर स्क्रीनिंग में विशेष रूप से अच्छे हैं, जो 1000 से अधिक रिज्यूमे प्राप्त करता है। रोबोट प्रश्नावली का विश्लेषण करता है और प्रासंगिकता के लिए उम्मीदवारों का मूल्यांकन करता है, लेकिन अंतिम निर्णय अभी भी व्यक्ति द्वारा किया जाता है। जॉर्जिया इंस्टीट्यूट ऑफ टेक्नोलॉजी के वैज्ञानिकों ने पता लगाया है कि किस मामले में लोग रोबोट पर स्वेच्छा से भरोसा करते हैं। ऐसा तब होता है जब उन्हें पहले से बताया जाता है कि यह किसी विशिष्ट कार्य को करने के लिए बनाया गया है। ऐसे रोबोट सप्ताहांत साक्षात्कार भी आयोजित करते हैं। बर्खास्तगी के कारणों और काम की प्रक्रिया में उन्हें किन कठिनाइयों का सामना करना पड़ा, इस बारे में लोगों के पास मशीन के साथ एक अधिक स्पष्ट संवाद है। इस प्रकार, रोबोट बहुत अच्छा इकट्ठा करते हैं, और सबसे महत्वपूर्ण रूप से महत्वपूर्ण, प्रतिक्रिया। इसके अलावा, लोग रोबोट से झूठ बोलने से डरते हैं। उन्हें लगता है कि कारों में ज्यादा जानकारी होती है। उदाहरण के लिए, दुकानदारों का चयन करने के लिए दो मुख्य प्रश्न थे: क्या आपका आपराधिक रिकॉर्ड है और क्या आप शराब पीते हैं? और बिना छुपाये लोगों ने रोबोट को इन सवालों के जवाब दिए।

ड्रोन का क्या कसूर है

आधुनिक मानवरहित वाहन अपूर्ण हैं और उनके कई नुकसान हैं। सबसे स्पष्ट मशीन दृष्टि में निहित है। मुद्दा तकनीकी क्षेत्र में भी नहीं है, मशीन दृष्टि की समस्या को वैचारिक रूप से हल नहीं किया गया है। कैमरे और सेंसर कुछ संकेतों को बड़ी गति के साथ संसाधित करते हैं, जिसके परिणामस्वरूप कंप्यूटर की मेमोरी में बाइनरी चित्र बनते हैं, जिनकी व्याख्या की जानी चाहिए। यह मुख्य कठिनाई है। यदि, उदाहरण के लिए, एक पैदल यात्री सड़क को पार करता है, तो कोई भी चालक आसानी से इस पर विचार करता है। इसलिए नहीं कि उसकी दृष्टि ड्रोन के कैमरे से बेहतर है, बल्कि इसलिए कि चालक के दिमाग में एक गतिशील व्यक्ति का मॉडल है। विजन मॉडल अभी तक मौजूद नहीं हैं। यह ज्ञात नहीं है कि कोई व्यक्ति दृश्य जानकारी कैसे संसाधित करता है। मॉडलिंग उपकरणों को डिज़ाइन किया जा रहा है जो कुछ हद तक आत्मविश्वास के साथ कई वस्तुओं को पहचानने की अनुमति देता है।

कल्पना कीजिए कि आपने एक ऐसे व्यक्ति से पूछा जो कि विशबोन लाने के लिए कारों में कुछ भी नहीं समझता है। जाहिर है, वह ऐसा नहीं कर पाएगा। क्योंकि वह एक कार मैकेनिक नहीं है, और उसके सिर में एक लीवर मॉडल नहीं है। लेकिन अगर आप कहते हैं कि यह एक घुमावदार आकार का लोहे का टुकड़ा है - तो एक व्यक्ति इसे लाएगा। हर कोई जानता है कि लोहे का एक टुकड़ा क्या है, और समझता है कि "घुमावदार आकार" कैसा दिखता है। स्पष्टीकरण के बाद भी, रोबोट सामना नहीं करेगा। ऐसा करने के लिए, आपको उसे प्रशिक्षित करने की आवश्यकता है, इन सभी वस्तुओं की अवधारणाओं को अलग-अलग कोणों से और अलग-अलग डिग्री तक पहुंच के साथ।

कार्यालय में रहते हुए, किसी व्यक्ति को आइटम की पहचान करने के लिए कुर्सी को मेज से दूर नहीं ले जाना पड़ता है। जरा पीछे को देखो। केवल इसलिए कि लोगों के पास कुर्सी का पूरा मॉडल है, और हम, इसके एक हिस्से में, पूरे को फिर से बनाते हैं। हम जानते हैं कि एक कुर्सी कार्यालय के इंटीरियर का एक अनिवार्य गुण है। इसलिए, वस्तुओं के एक विशाल चयन से जो इस टुकड़े से फिर से बनाया जा सकता है, हम एक का चयन करते हैं। ऐसा कोई सार्वभौमिक कार्यक्रम नहीं है जो ऐसा कर सके। किसी भी कृत्रिम बुद्धिमत्ता में अब दुनिया और ज्ञान का एक मॉडल नहीं है जो इसे स्पष्ट रूप से उस चित्र की व्याख्या करने की अनुमति देता है जो इसे देखता है।

मान लीजिए, झाड़ियों के पीछे कहीं एक आदमी छिपा था, सड़क पर भागने के लिए तैयार था। उनके शरीर का कुछ हिस्सा घने पर्ण के पीछे छिपा हुआ है। दिखाई देने वाला हिस्सा मशीन के लिए पर्याप्त नहीं होगा जो इसे संभावित खतरे के रूप में मान सकता है। इसके अलावा, यदि आप एक हाथी को झाड़ियों के पीछे छिपते हुए देखते हैं, तो शायद यह तय करें कि यह एक हाथी के मुखौटे में एक आदमी है, क्योंकि हमारे क्षेत्र में हाथी नहीं पाए जाते हैं। खैर, कार निश्चित रूप से यह ज्ञान नहीं है।

व्याख्याओं की समस्या इसके समाधान के करीब पहुंच रही है, किसी भी मामले में प्रगति है। विशाल नमूनों पर मशीन लर्निंग एल्गोरिदम में, आप 100 कारें रख सकते हैं, और यह स्पष्ट है कि 101, यहां तक ​​कि एक अलग ब्रांड की, एक उच्च संभावना के साथ, कार्यक्रम सही ढंग से पहचान करेगा। हालांकि इस कार को इसमें विशेष रूप से नहीं रखा जाएगा। यह भी ध्यान देने योग्य है कि कार्यक्रम के प्रशिक्षण के लिए चयन की विविधता का निरीक्षण करना महत्वपूर्ण है। यदि, उदाहरण के लिए, आप केवल सेडान में कार्यक्रम सीखेंगे, और फिर एक परिवर्तनीय ड्राइव करेगा, तो यह शायद इसे पहचान नहीं पाएगा, क्योंकि नमूने में छत के बिना कारें नहीं थीं।

दूसरी चुनौती एक नैतिक दुविधा है जिसमें एक मशीन को एक नैतिक विकल्प बनाना पड़ता है। मान लीजिए कि मानवरहित वाहन एक यात्री को ले जाते हैं। एक व्यक्ति ने मिलने के लिए छलांग लगाई, और टक्कर से बचने का एकमात्र तरीका पास के खंभे में ड्राइव करना था। कार को यह तय करना होगा कि किसे बलिदान करना है - जो कार के अंदर हैं, या जो पहियों के नीचे भाग गए हैं। यह उसके लिए बिल्कुल अघुलनशील कार्य है। पहले से ही पहले दुर्घटनाएं और यहां तक ​​कि पीड़ित भी हैं। एरिज़ोना में, एक मानवरहित उबेर के स्वामित्व वाली एसयूवी ने एक पैदल यात्री को मौत के घाट उतार दिया। उनका दोष यह है कि उन्होंने एक कच्चा एल्गोरिदम जारी किया था जो ट्रैक पर सभी परीक्षणों को पारित नहीं करता था।

ड्रोन की समस्या, सबसे पहले, दुनिया के बारे में बुनियादी विचारों की कमी है। लोग हमेशा संदर्भ में निर्णय लेते हैं। किसी भी कृत्रिम बुद्धिमत्ता में दुनिया की पूरी तस्वीर नहीं है जो किसी व्यक्ति के पास 18 साल की उम्र में है। इस कारण से, एक चालक का लाइसेंस 18 वर्ष की आयु से [रूस में] ठीक-ठीक जारी किया जाता है, हालांकि यह दृष्टि 14. पहले ही बन चुकी है। वयस्कता तक पहुँचने से पहले, एक व्यक्ति नैतिक और भावनात्मक सहित सूचित निर्णय नहीं कर सकता है।

हम बहुत युवा और अपरिपक्व एल्गोरिदम के साथ काम कर रहे हैं जिन्हें शोधन की आवश्यकता है। वे ठीक से काम करने में सक्षम हैं, लेकिन विशेष रूप से मानव नियंत्रण में हैं।

पॉलीग्राफिक आर्टिफिशियल इंटेलिजेंस

आर्टिफिशियल इंटेलिजेंस मार्केट में, दुनिया की अग्रणी कंपनियां भावनात्मक कंप्यूटिंग के क्षेत्र में सक्रिय रूप से निवेश कर रही हैं। इस तकनीक से चेहरे के भावों में सबसे अदृश्य बदलाव का पता चलता है। कार्यक्रम चेहरे पर एक निश्चित संख्या में अंक का चयन करता है और इसकी तुलना तस्वीरों के डेटाबेस से करता है जिसमें भावना पहले से ही पहचानी जाती है।

Microsoft ने कहा कि उनके पास एक समान एल्गोरिदम है, लेकिन यह सरकार को नहीं देगा। यह एक बहुत ही खतरनाक उपकरण है जिसका इस्तेमाल इंसानों के खिलाफ किया जा सकता है। कल्पना कीजिए कि आप बॉस के कार्यालय में प्रवेश करते हैं, और वह देखता है कि आप उससे नफरत करते हैं और उसके बारे में बुरा सोचते हैं। एक गंभीर नैतिक समस्या है।

"पहचानकर्ताओं" के कई और समान कार्यक्रम होंगे। सुंदर, अद्भुत सहित। वे उपयोगी होंगे, विशेष रूप से चिकित्सा में। कारें पहले से ही डॉक्टरों को बीमारियों का निदान करने में मदद कर रही हैं। मान लीजिए कि अमेरिकन आईबीएम वाटसन कार्यक्रम निदान का निदान कुछ नौसिखिए डॉक्टरों से बेहतर करता है। प्रशिक्षण के नमूने के रूप में, इसमें छह हज़ार केस इतिहास रखे गए थे। यह एक टाइटैनिक काम है और निश्चित रूप से, बहुत सारा पैसा।

क्या मशीन को पता है कि कैसे रचना है

मशीन गुणात्मक रूप से कुछ नया उत्पन्न करने में सक्षम नहीं है। मूल गीत, छंद, संगीत रचनाएँ - यह सब क्रमपरिवर्तन के सिद्धांत पर आधारित है, या, और अधिक बस, क्रमपरिवर्तन। कविता के लिए, क्रियाओं का एल्गोरिथ्म इस प्रकार है: कार्यक्रम में सामान्य क्षण और कुछ संयोजन मिलते हैं। वह कीवर्ड लेता है, अन्य लेखकों के शब्दों को उनके साथ जोड़ता है और उन्हें वांछित लय में मोड़ देता है। रूसी भाषा जटिल है, लेकिन यदि आप कविता के बारे में परवाह नहीं करते हैं, तो आप एक सफेद कविता "रचना" कर सकते हैं।

संगीत के साथ यह अभी भी आसान है। कार्यक्रम यह निर्धारित करता है कि कौन से राग किसी विशेष कलाकार की सबसे अधिक विशेषता है और उनका उपयोग करता है, लेकिन एक अलग क्रम में। इस "रचनात्मकता" का आधार पैमाने का फेरबदल और ओवरकोट कैफनी की अस्वीकृति है।
ऐसे कार्यक्रम थे जो लोक कथाओं की रचना करते थे। ऐसा करने के लिए, हमने व्लादिमीर प्रॉप की किताब "मॉर्फोलॉजी ऑफ ए टेल" का उपयोग करके परिदृश्यों का विश्लेषण किया। यह पता चला कि घटनाओं के विकास के मॉडल में कई स्पष्ट तत्व शामिल हैं: परियों की कहानियों में हमेशा सकारात्मक और नकारात्मक चरित्र होते हैं। एक दाता, एक सड़क, एक बाधा और अंत में एक सुखद अंत भी है। इस तरह की कहानियों की एक विशिष्ट विशेषता उदारता थी। कार्यक्रम ने नायकों और उनके कार्यों को संयुक्त रूप से बताया, उदाहरण के लिए, इवान द फ़ूल के बारे में, जो सर्प गोरिनीच के साथ लड़ रहा है। एक पूर्ण नुकसान कहानी की खराब भाषा थी। श्रोता बोर हो गए। एक जीवित कथाकार हमेशा हास्य जोड़ देगा, और कहीं न कहीं भाषण की गति को बढ़ाएगा। इसी कारण से, यह कार्यक्रम रूपकों या वाक्यांश संबंधी इकाइयों को अन्य भाषाओं में अनुवादित नहीं कर सकता है। ऑनलाइन अनुवादक बड़ी मात्रा में जानकारी के साथ काम करते हैं। यह ध्यान देने योग्य है कि हाल के वर्षों में उनके अनुवाद की गुणवत्ता में काफी सुधार हुआ है। अब वे व्यक्तिगत रूप से प्रत्येक शब्द का अनुवाद नहीं करते हैं, जैसा कि उन्होंने पहले किया था, लेकिन ग्रंथों में कहीं और पूरे वाक्य को देखें। शब्दार्थ के साथ सबसे बड़ी कठिनाई उत्पन्न होती है। इसके लिए भावों के अर्थ को समझने के लिए ज्ञान के आधार की आवश्यकता होती है। उदाहरण के लिए: मुर्गियां रात के खाने के लिए तैयार हैं। यह स्पष्ट नहीं है कि इस वाक्यांश का सही तरीके से अनुवाद कैसे करें यदि आपको नहीं पता कि वह व्यक्ति उस समय कहां है - चिकन फार्म में (मुर्गियां रात के खाने के लिए तैयार हैं) या एक रेस्तरां में (मुर्गियां दोपहर के भोजन के लिए तैयार हैं)।

मानव ज्ञान के बिना, कोई भी बौद्धिक गतिविधि संभव नहीं है। ज्ञान को किसी चीज से प्रतिस्थापित नहीं किया जा सकता है। सवाल यह है कि इन कौशलों को डिजिटल कैसे बनाया जाए। अनुभव को कुछ सार्थक योजना में कैसे बदलना है, जिसे मशीन के साथ साझा किया जा सकता है।