Аварий с участием машин-роботов Google, активно тестируемых на дорогах Калифорнии, было уже немало, но все они, как утверждалось, становились следствием ошибки человека, а не компьютера.

Об инциденте, который произошел в Маунтин-Вью, «родном» городе Google, стало известно из отчета автотранспортной инспекции, опубликованного в конце февраля. Согласно ему, внедорожник Lexus RX450h, управляемый искусственным интеллектом, ехал, прижимаясь к обочине, в правом ряду по Эль Камино Реаль — широкому проспекту, по три полосы в каждом направлении. Перед перекрестком Lexus дал сигнал правого поворота, но ему пришлось затормозить раньше, так путь преграждали мешки с песком, уложенные вокруг ливневого стока. Начав объезжать их, робот въехал в левый бок автобуса, который в это время двигался по центру ряда. Как утверждают в Google, и водитель, находившийся для подстраховки в Lexus, и искусственный интеллект решили, что автобус притормозит и пропустит робота.

Заявив, что частично признают ответственность беспилотника за инцидент, в Google сообщили, что теперь автопилот будет учитывать, что автобусы и другие крупные транспортные средства с меньшей вероятностью уступают дорогу легковым автомобилям.

В отличие от Facebook смартфон не может распознать вас на фотографии и снабдить селфи соответствующим тегом. Но новый чип, созданный в Массачусетском технологическом институте, способен исправить такое положение дел.

Прототип чипа Eyeriss, оснащенный 168 ядрами, при обращении к памяти может мгновенно распознавать лица, объекты и даже звуки. Процессор предназначен для использования в смартфонах, самодвижущихся автомобилях, роботах, дронах и других устройствах.

Eyeriss относится к числу устройств, которые решают большинство задач без вмешательства человека. Чипы для мобильных устройств, выпускаемые Qualcomm, позволяют изучать поведение пользователя и в дальнейшем прогнозировать его действия. Компания Nvidia предлагает для автомобилей компьютер на основе процессора Tegra, умеющий распознавать сигналы светофора и дорожные знаки.

Системы глубинного обучения Microsoft, Facebook и Google показывают, что компьютеры вполне можно научить распознавать изображения, лица и звуки. Глубинное обучение – это раздел машинного обучения, алгоритмы которого помогают устанавливать связи между данными и классифицировать их. Системы глубинного обучения требуют обычно построения сложных нейронных сетей и наличия мощных вычислительных ресурсов, которые объединяют тысячи серверов, оснащенных высокопроизводительными графическими процессорами.

Исследователи из МТИ утверждают, что их чипы абсолютно нетребовательны к ресурсам и потребляют в 10 раз меньше электроэнергии по сравнению с мобильными графическими процессорами. Их можно использовать в носимых устройствах, смартфонах и роботах, работающих от батареи.

В процессоре Eyeriss реализованы функции искусственного интеллекта, благодаря которым большая часть обработки происходит непосредственно внутри устройства. Подключаться к сети Wi-Fi и устанавливать сотовые соединения с облачными сервисами или серверами при распознавании изображений и объектов не потребуется.

В январе компания Nvidia продемонстрировала на международной выставке потребительской электроники CES в Лас-Вегасе самодвижущиеся автомобили, которые получают от серверов данные, помогающие им выявлять препятствия и другие объекты на дороге. Автомобили, оснащенные чипом МТИ, будут иметь встроенные функции распознавания, что позволит применять их в отдаленных районах, где сотовая связь недоступна.

В отличие от централизованной памяти для центральных и графических процессоров, используемой в сегодняшних системах глубинного обучения, каждое ядро Eyeriss обращается к собственному банку памяти. Продолжительность обработки чип пытается сократить за счет эффективного распределения выполняемых задач между 168 ядрами. Схема адаптируется к различным типам нейронных сетей, а использование алгоритмов сжатия помогает увеличить пропускную способность.

Способность чипа распознавать изображения была продемонстрирована на конференции International Solid-State Circuits Conference в Сан-Франциско.

Появятся ли новые чипы в реальных устройствах, пока неизвестно. В настоящее время, помимо Intel и Qualcomm, функциями искусственного интеллекта пытаются оснащать свои процессоры для мобильных устройств и другие производители (в частности, компания Movidius).

В Лаборатории компьютерной науки и искусственного интеллекта МТИ разработали модель, позволяющую людям более эффективно общаться с роботами при проведении совместных поисково-спасательных операций. Скажем, роботы собирают информацию в районе, пострадавшем от землетрясения, и при этом непрерывно передают друг другу сведения вроде «миновал дверь, поворачиваюсь вправо на 90 градусов» или «прошел метр, наткнулся на стену». Спасателям тоже нужно знать о происходящем в районе бедствия, но подобные подробности им ни к чему.

По словам исследователей, созданные ими алгоритмы автоматически определяют, какими сведениями стоит поделиться с людьми, а какими нет, и тем самым защищают человека от информационной перегрузки. Как показали испытания системы при компьютерном моделировании поисково-спасательных работ, она автоматически отбрасывает до 60% сведений, транслируемых роботом. Алгоритм также может повысить эффективность обмена информацией между самими роботами, уверены в МТИ.

В различных культурах мира детей обучают общественно приемлемому поведению на примерах из сказок, романов и другой литературы. С помощью методов машинного анализа сюжета обучить правильному поведению можно и робота, полагает руководитель лаборатории игрового интеллекта Технологического института Джорджии Марк Рьедл.

Исследователи разрабатывают методы анализа, основанные на построении схематического описания сюжета литературных произведений с помощью краудсорсинга. Их работа поддерживается DARPA, агентством перспективных оборонных исследований министерства обороны США. Анализ большого количества примеров, полагают ученые, может дать представление о том, как оценивать предлагаемые действия на соответствие человеческим нормам. Проблема заключается в том, что искусственный интеллект, в идеале, должен работать только на благо людей. Но точно сформулировать такие критерии оценки целей чрезвычайно сложно. Предлагаемый исследователями метод может послужить первым шагом к созданию искусственного интеллекта, способного в процессе решения задач ставить себе цели, достижение которых не отразится неблагоприятно на людях.

В последние годы появились алгоритмы планирования, учитывающие факторы неопределенности, — изменчивость времени поездки, нестабильность каналов связи, неточности в показаниях датчиков и т. п. Исследователи из МТИ и Австралийского национального университета решили еще более сложную задачу, разработав алгоритм планирования, который автоматически создает резервные планы на случай провала основного, а также определяет условия, при которых нужно переключиться на «план Б», — например, это могут быть определенные показания датчиков или величина задержки. Алгоритм дает математические гарантии того, что риск провала генерируемых им планов будет ниже порога, заданного пользователем.

Пространство возможных решений в новом планировщике представлено в виде графа, путь по которому выбирается в зависимости от соотношения возможных преимуществ и потерь. Учет вероятностей сильно усложняет задачу создания резервных планов: скажем, поездка на автобусе в среднем занимает 15 мин, но есть определенная вероятность, что она может быть 35 мин и т. п. Решение — перед созданием графа попросить пользователя установить пороги риска. К примеру, исследователю, проектирующему систему сбора данных для дорогостоящего подводного робота, будет достаточно вероятности 90% того, что тот проведет все нужные замеры, но необходима вероятность 99,9% того, что робот не разобьется о скалу. Эти пороги становятся для алгоритма «бюджетом риска», который расходуется по мере прохождения графа различными маршрутами. Если какая-то ветвь слишком дорого обходится, ее отбрасывают. Чтобы процесс оценки проходил быстро, используются простые правила эвристики. Скажем, прохождение некой ветви в любом случае требует поездки на автомобиле между двумя точками — разными маршрутами, но если проезд по прямой на максимальной скорости чреват неприемлемыми задержками, вся ветвь отбрасывается.

По словам ученых, если эвристика будет оптимистичной — возможно, недооценивающей риски, но никогда не переоценивающей их, — ветви можно отбрасывать без снижения качества результирующих планов. В своей работе исследователи описывают способ создания линейных апроксимаций сложных распределений вероятности, с которыми намного проще работать математически. За счет этого компьютер оценивает их в тысячи раз быстрее, чем нелинейные распределения, что позволяет генерировать резервные планы «на ходу», по мере появления новой информации.

Алгоритм высоко оценили в НАСА, отметив, что решена очень важная задача для миссий космического агентства, в которых все шире используются автономные системы.

Год назад в Институте Будущего провели эксперимент по изучению возможности замены топ-менеджеров на компьютерную программу, и пришли к выводу, что это вполне реально. Раз уж это так, почему бы не попытаться заменить искусственным интеллектом президента Соединенных Штатов? Именно эта роль и предлагается инициативной группой для облачной платформы IBM Watson.

Впервые Watson громко заявил о себе в 2011 году, победив лучших знатоков в телевикторине Jeopardy. Затем его стали пробовать в медицине — например, искусственный интеллект может спрогнозировать, когда ваше здоровье может начать резко ухудшаться. Еще он может проанализировать написанный вами текст и выдать рекомендации по стилистическим улучшениям, а также разобраться в причинах плохих продаж какого-либо продукта и дать советы о том, как повысить доход.

Теперь же организация под названием The Watson 2016 Foundation, которая, согласно ее сайту «Watson — в президенты», не имеет отношения к IBM, занялась продвижением когнитивного компьютера на роль кандидата в президенты.

Изначально Watson был создан, чтобы составить конкуренцию людям в интеллектуальной игре: он должен был понять вопрос, который ему задают, проанализировать огромные объемы информации и предложить ответы, отсортировав по степени своей уверенности в них, отмечают в инициативной группе. «Именно с подобными задачами политики, в том числе президент, имеют дело в своей повседневной работе, — говорится на сайте. — Возможно, искусственный интеллект будет справляться с этим эффективнее. Способности Watson к параллельной обработке позволяют машине оценивать проблемы по множеству критериев, выбирая ответ, который будет наиболее оптимальным по всем параметрам. По любому вопросу Watson может порекомендовать самое сбалансированное решение с учетом его влияния на мировую экономику, окружающую среду, образование, здравоохранение, внешнюю политику и гражданские свободы».

Если вы готовы поддержать кандидата в президенты с искусственным интеллектом, можно не торопиться: Watson 2016 Foundation не принимает пожертвования и не планирует в обозримом будущем. «В IBM заработали 12 миллиардов долларов за прошлый год, так что для продолжения развития Watson взносы от публики не требуются», — говорится на сайте. Желающим поддержать Watson предлагается жертвовать в пользу правозащитной организации Electronic Frontier Foundation.

Понятно, что сайт «Watson — в президенты» — это просто способ привлечь внимание, но сама инициатива дает пищу для размышлений.

«Подобно тому, как люди передают свои эмоции, меняя выражение лица, Watson варьирует картинку на экране в зависимости от степени уверенности в выбранном ответе, — отмечается на сайте. — Разве не будет лучше для страны, если политики станут настолько же открытыми?»

На сайте Watson 2016 Foundation проводится опрос, выясняющий, сколько было бы желающих проголосовать за электронного кандидата в президенты.

Специалисты полагали, что искусственный интеллект сможет победить человека в го, игре, в которой возможных комбинаций фишек на доске — больше, чем атомов во всей Вселенной, не раньше, чем через десять лет. Но в Google продемонстрировали, что скептики неправы: программа AlphaGo, созданная исследователями из подразделения DeepMind, обыграла европейского чемпиона по го со счетом 5:0.

Системы игры в го обычно полагаются на алгоритм поискового дерева, позволяющий находить нужные значения в множестве. В AlphaGo наряду с этим используются глубокие нейронные сети, которые имитируют ход мысли опытных игроков и постоянно совершенствуются, играя против себя самих.

Согласно докладу, опубликованному в Nature, до того, как победить человека, AlphaGo выиграла больше 99% игр у других сильнейших компьютерных реализаций го. В марте системе предстоит главное испытание: матч из пяти игр в Сеуле против легендарного Ли Седоля, победителя многих международных кубков по го, проходивших за последнеее десятилетие.

Google приобрела компанию DeepMind в 2014 году. Систему искусственного интеллекта, способную бросить вызов человеку при игре в го, также пытаются создать в Facebook. По словам главы компании Марка Цукерберга, в Facebook близки к осуществлению поставленной цели.

По мере того как исследователи пытаются проектировать все более сложные компьютеры, имитирующие работу человеческого мозга, изменения приходится вносить и в конструкцию памяти.

Существующие микросхемы, жесткие диски и ленточные накопители отлично подходят для хранения больших объемов данных, но разработчики микросхем памяти нового поколения, называемых мемристорами, решили пойти еще дальше: их продукты способны помочь системам искусственного интеллекта будущего лучше понимать данные и извлекать из них дополнительную пользу.

С помощью мемристоров компьютеры могли бы объединять разрозненные данные при диагностике заболеваний, а самодвижущиеся автомобили — распознавать объекты на основе анализа вероятностей и ассоциаций. «Мемристоры отлично подходят для моделей машинного обучения, – заметил генеральный директор компании Knowm Алекс Ньюджент. – Они поддерживают шаблонное прогнозирование и позволяют выявлять тенденции на основе обработки больших объемов информации».

Стартап Knowm из Нью-Мексико занимается технологиями мемристоров.

Мемристоры Knowm проектируются по образу человеческого мозга, в котором синапсы, соединяющие два нейрона, становятся тем сильнее, чем чаще по ним проходит сигнал. Аналогичным образом способность схем мемристора к обучению и удержанию информации определяется характеристиками потоков данных и электрического тока.

Полнофункционального чипа мемристора у Knowm пока нет. Однако компания представила прототип, с помощью которого исследователи и ученые могут имитировать конструкцию памяти подобного рода. В тестовый набор Knowm включены чип с цифровыми и аналоговыми схемами, пакет программного обеспечения и алгоритмы.

«Мемристор Knowm представляет собой 'обучаемый процессор', который работает параллельно с центральным, графическим и другими видами процессоров», – пояснил Ньюджент.

Продвигая свою технологию, компании придется бороться с целым рядом крупных конкурентов, включая HP.

В HP мемристоры планируют использовать в компьютере нового типа, получившем название The Machine. Считается, что в перспективе мемристоры заменят собой как оперативную память, так и память хранения, и HP совместно с компанией SanDisk занимается проектированием соответствующих компонентов. По словам разработчиков SanDisk, мемристоры будут в тысячу раз быстрее и надежнее флеш-памяти.

«Мемристоры помогут создать новые компьютеры, которые будут лучше обучаться и извлекать полезную информацию из шаблонов данных, – указал Ньюджент. – Организовать машинное обучение можно и с использованием сегодняшних компьютеров, но процесс этот не очень эффективен и требует больших затрат электроэнергии».

До завершения работ еще далеко, и, наверное, пройдет много лет, прежде чем первые чипы на базе архитектуры Knowm появятся в коммерческих продуктах. Стартап финансируется за счет правительственных грантов и инвестиций в акционерный капитал. В ближайшие месяцы ожидается очередной инвестиционный транш от партнера, имя которого не разглашается.