Работа с данными в любой сфере - [17]

Конечно, необходимый уровень творчества варьируется: для решения одних проблем достаточно традиционного подхода, а для решения других нужно что-то оригинальное. И если вы спросите меня, что лежит на дальнем конце этого спектра и что находится на переднем крае науки о данных и технологий, без тени сомнения я отвечу: искусственный интеллект.

Времена высокочувствительных роботов из «Бегущего по лезвию» придут еще не скоро, но было много ситуаций, когда роботы брали верх над людьми, играя с ними в человеческие игры.

Искусственный интеллект

С кем бы я ни разговаривал, упоминание искусственного интеллекта (ИИ) всегда вызывает интерес. Это увлекательная область развития, новости о которой обязательно попадут в заголовки. Однако ИИ полностью зависит от наличия данных и способности компьютера их обрабатывать.

Первое, о чем многие подумают при обсуждении ИИ, – это отношение к нему в голливудских фильмах, предупреждающих, что прогресс в этой области в конечном итоге приведет к нашей гибели. В «Бегущем по лезвию», экранизации научно-фантастического романа Филипа К. Дика «Мечтают ли андроиды об электрических овцах?», облик и реакции роботов («репликантов») настолько реалистичны, что в конечном итоге они становятся угрозой для существования человека. По этой причине роботов изгоняют во внеземные колонии. Однако некоторые из них возвращаются на Землю и ведут себя враждебно по отношению к нашему биологическому виду. Поскольку отличить этих роботов от людей по внешнему облику невозможно, создается машина Войта – Кампфа. Она подобна полиграфу и фиксирует ответы на ряд вопросов, специально разработанных для изучения эмоциональной реакции испытуемых. Предполагалось, что эти вопросы озадачат роботов – поскольку у них эмоции вроде бы отсутствуют – и тем самым раскроют истинную идентичность репликантов.

Реальный прототип теста известен как тест Тьюринга. Предложенный дешифровальщиком Аланом Тьюрингом в 1950-х гг. для оценки способности людей отличать машину от человека, тест оценивает ответы, полученные во время опроса. В отличие от теста Войта – Кампфа, в тесте Тьюринга два субъекта: один – робот, другой – человек, и оба они скрыты от взгляда исследователя. Последний должен определить, какой из субъектов является роботом[17], – он задает обоим ряд только текстовых вопросов и оценивает, насколько их ответы похожи на те, что мог бы дать человек.

Кейс: Deep Blue и AlphaGo

В соревнованиях 2016 г. по игре в го (очень популярная в Восточной Азии абстрактная стратегическая настольная игра, в которой участвуют двое) машине, известной как AlphaGo и созданной дочерней компанией Google DeepMind, удалось победить 18-кратного чемпиона мира Ли Седоля в четырех из пяти игр.

Вы можете не считать это каким-то грандиозным достижением, вспомнив знаменитую шахматную партию, сыгранную русским гроссмейстером Гарри Каспаровым и Deep Blue, компьютером, специально разработанным IBM. Deep Blue выиграл, и это случилось еще в 1997 г. Но даже несмотря на то, что робот добился успеха почти за 20 лет до успеха AlphaGo, результат последней представляет для нас особый интерес.

Игра в шахматы полностью основана на логике. Цель Deep Blue состояла в том, чтобы безупречно соблюдать эту логику и ждать, пока противник допустит ошибку. Люди совершают ошибки, машины – нет. В отличие от шахмат игра в го основана на интуиции. По сравнению с логикой, которой руководствуется компьютер, интуиция – гораздо более сложный феномен: она требует, чтобы машина развивала внутренние знания об игре, которые не могут быть просто запрограммированы в ней[18].

В го игроки перемещают черные и белые фишки по доске с разметкой 19×19 клеток. Цель игры – захватить бо́льшую площадь, чем противник. AlphaGo первоначально получила обширную базу данных – около 30 млн сделанных людьми ходов, проанализированных с помощью комбинации машинных алгоритмов и методов свободного поиска. После того как значительное количество игр было сыграно против соперников-людей и собрано достаточно знаний о поведении противников, AlphaGo миллионы раз сыграла сама против себя, чтобы еще больше улучшить результаты. (Это тип обучения с подкреплением, о котором я расскажу более подробно в главе 6.) Только после того, как этот период обучения завершился, создатели машины выставили ее против лучших игроков мира. От шахмат до го искусственный интеллект прошел значительный путь, обучаясь через действия и наблюдения, а не только применяя математическую логику[19].

В этот момент вы можете подумать: «Победа ИИ в шахматах и гo впечатляет, но как все это относится к бизнесу?»

Применение искусственного интеллекта не ограничивается победами над людьми в игре го. Та же компания DeepMind разработала искусственный интеллект, чтобы помочь Google лучше управлять охлаждением в их обширных центрах обработки данных. Система смогла последовательно достигнуть поразительного 40 %-ного сокращения количества энергии, используемой для охлаждения. Это не только создает огромный потенциал для экономии в компании, но также означает повышение энергоэффективности, сокращение выбросов и в конечном счете – вклад в решение проблемы изменения климата (DeepMind, 2016). Если это не творческий подход к решению проблем