Эра искусственного разума началась исподволь - Бизнес
advertisement
ТЕХНОДРОМ ИСКУССТВЕННЫЙ РАЗУМ Ватсон. Доктор, и не только Иван Откин Эра искусственного разума началась исподволь: интеллектуальные самообучающиеся системы еще не берут на себя управление сложными процессами, выступая лишь помощниками человека в принятии правильных решений. Но это пока. В феврале 2013 года в США к исполнению обязанностей специалиста по диагностике и лечению онкозаболеваний приступил «Ватсон» — суперкомпьютер IBM. Д аже в роли консультанта «Ватсон» впечатляет. Когда его представляли прессе в новом качестве, главный специалист по медицине американской компании WellPoint Сэмюэль Нуссбаум обнародовал весьма шокирующую статистику: у современных докторов в среднем лишь в 50% случаев получается прописать эффективный курс лечения для пациентов с раком легких. У «Ватсона» этот показатель достигает 90%. И это в самом начале «карьеры». А ведь эта когнитивная система нового поколения от IBM будет справляться с порученным делом все лучше и лучше, поскольку самообучается в процессе практической деятельности. Чье мнение при такой статистике более авторитетно — машины или человека? И к чему со временем сведется роль последнего, состоящего при столь многомудрой машине? Онкологию «Ватсон» постигал не по дням, а по часам. Вначале это было «домашнее обучение», при котором специалисты IBM, консультируясь с приглашенными светилами медицины, настраивали алгоритмы анализа данных, выявления закономерностей, выработки и проверки гипотез. В мае 2011 года в штаб-квартире IBM сообщили, что по уровню знаний «Ватсон» вполне соответствует второкурснику мединститута. В марте 2012-го IBM подписала 38 Бизнес-журнал МАЙ #5 2013 соглашение с одним из самых известных онкологических центров США – Memorial Sloan Kettering, благодаря чему «Ватсон» получил доступ к огромному массиву информации — историям болезней, данным клинических исследований, специальной литературе. Он пропустил через себя и «осмыслил» 605 тыс. документов и 2 млн страниц медицинских текстов. Госпитальные врачи уделили «Ватсону» в общей сложности свыше 14 тыс. часов своего времени, помогая увеличить точность постановки диагноза. Принципиально важное качество «Ватсона» — способность «понимать» естественный человеческий язык, притом что его алгоритмы обучения и познания напоминают человеческие. И все это — на базе суперкомпьютера, который входит в мировой Топ-200. Причем «Ватсон» действительно обучается, а не программируется на решение задач. Принцип машинного обучения можно пояснить на таком примере. Представим себе, что нам нужно запрограммировать компьютер на распознавание буквы А. Мы описываем ее начертание на понятном для вычислительной машины языке — с тем чтобы компьютер, сравнивая с имеющимся у него образцом, «узнавал» или «не узнавал» А в предлагаемых ему вариантах. Проблема в том, что вариантов начертания буквы А в различных шрифтах множество Аббревиатура от англ. artificial intelligence — искусственный интеллект. См.: Zikopoulos Paul at al. Harness the Power of Big Data: The IBM Big Data Platform. — New York, 2012. 2 3 Проект был назван в честь президента и CEO корпорации IBM — Томаса А. Уотсона, который руководил компанией с 1914 по 1956 год. и как меняется состояние пациента, пополняют знания суперкомпьютера и помогают точнее настраивать алгоритмы. Суперкомпьютер, аккумулировавший и внимательно изучивший врачебную практику десятков тысяч специалистов по всей стране… Какой человек может сравниться с ним? Мы живем в эпоху, когда в мире ежедневно производится 2,5 квинтиллиона байтов информации, а 90% данных, имеющихся в распоряжении человечества в каждый конкретный момент времени, появилось лишь за последние два года2. При этом наша цивилизация все больше напоминает человека, который бросает без разбора в ящик письменного стола бумаги, письма, записки — с целью разобраться потом, но «потом» все не наступает из‑за нехватки времени и нарастающего бумажного потока. Мы (как на личном, так и на корпоративном уровне) научились хранить — и имеем для этого физическую возможность — огромные массивы цифровых данных, но до сих пор не умеем правильно использовать их себе во благо. И у этой беды есть свое название — проблема «больших данных» (Big Data). Применительно к онкологии как разделу медицины она выглядит так: только для того, чтобы прочитать всю публикуемую информацию по онкологии и быть в курсе последних достижений, специалисту требуется 160 часов в неделю; а еще неплохо бы иметь время на то, чтобы информацию осмыслить и подумать, как применить полученные знания на практике. А часов в неделе, как известно, 168… Так что в эру «больших данных» человечеству, похоже, действительно никак нельзя без помощи искусственного интеллекта: кому еще добывать знания, зарываясь в мощные пласты данных, б’ольшая часть которых имеет неструктурированный характер, то есть непостижима для программируемых и необучаемых систем? 1 (не говоря уже о рукописных), что сильно сказывается на результатах распознавания. С обучаемой системой все происходит иначе. Мы начинаем демонстрировать ей букву А в различных начертаниях: «Вот это А, и вот это А, и это тоже А…» Задача машины — самой выявить общие черты в предложенных образцах и «запрограммироваться» на их узнавание. Причем в конце концов компьютер сможет с высокой степенью вероятности распознавать А даже в не встречавшихся ей ранее начертаниях. Этому-то и обучился «Ватсон». Только область специализации у него гораздо сложнее — не распознавание букв, а диагностика случаев заболевания раком легких, молочной железы и простаты. Онкология для IBM — первая сфера серьезного коммерческого применения «Ватсона» (технологии, которую в компании начали разрабатывать в 2006 году)1. Первоначально он «жил» сразу в нескольких суперкомпьютерах в лабораториях IBM, затем под него выделили отдельные мощности, которые занимали целую комнату — 90 серверов с 2 800 процессорными ядрами и 15 терабайтами памяти. Понятно, что не всякий госпиталь способен «принять на работу» такого громоздкого «консультанта», поэтому IBM предложила рынку более удобное техническое решение. У крупных заказчиков (сетевые медцентры, страховые компании и т. д.) IBM устанавливает клиентский модуль размером с «коробку от пиццы» (как описывают его в корпорации), который частично может использовать облачные вычислительные ресурсы. Небольшие же медицинские учреждения могут подписаться на услуги «Ватсона» и пользоваться ими прямо из облака, по сути, арендуя время искусственного интеллекта. Врач получает возможность прямо на своем планшетном компьютере ввести данные из истории болезни и результаты анализов пациента — и спустя несколько секунд получить консультацию. В своих ответах и рекомендациях «Ватсон», разумеется, не категоричен: он ставит несколько вариантов диагноза, давая каждому собственную оценку вероятности в процентах. Окончательно решение нужно все-таки принимать человеку. Врач может ввести дополнительную информацию или письменно задать «консультанту» уточняющие вопросы на обычном, человеческом языке. Облачная сущность Ватсона хороша тем, что с его помощью даже небольшие медцентры и частнопрактикующие врачи в глубинке получают доступ к знаниям высококлассного консультанта, «натренированного» в лучшем онкологическом центре США. Есть у этого процесса и другая сторона: все пользователи сообща работают на совершенствование искусственного разума — ведь они, давая обратную связь «Ватсону» о том, как проходит курс лечения Бизнес-журнал МАЙ #5 2013 39 ТЕХНОДРОМ ИСКУССТВЕННЫЙ РАЗУМ Это значит, что «Ватсону» и другим AI3 будет где развернуться. По крайней мере в самой IBM рассчитывают уже в 2015 году заработать на «больших данных» $16 млрд. Остается только определиться с местом вида homo sapiens в возникающей прямо на глазах конфигурации «человек — искусственный интеллект», учитывая, что последний скоро получит явное и неоспоримое превосходство не только в знаниях, но и в способности познавать окружающий мир. Один из «пострадавших» недавно точно описал, что чувствует человек, когда уступает машине. Американец Кен Дженнингс, 74-кратный победитель интеллектуальной игры Jeopardy!, поведал в феврале на конференции TED, как два года назад проиграл турнира стала падать: ему присылали графики, показывавшие, как прогрессирует «Ватсон». На графиках он видел оси «Поданные решения» и «Точные ответы» и точку в верхнем правом углу — свой результат. А еще была линия, демонстрировавшая, как неумолимо — вправо и вверх — растет результативность «Ватсона». «Я думал, что защищу человеческий род от бездушных машин, — шутил Дженнингс со сцены TED. — Но потом понял, что надвигающееся будущее выглядит именно так: это не Терминатор с карабином, это линия, которая подбирается к тебе. К тому единственному, в чем ты хорош, что делает тебя особенным». Во время турнира «Ватсон» был быстр и точен — и сорвал джекпот в миллион долларов. «Я по­ч ув­с твовал себя устаревшим и деморализованным, — вспоминал Дженнингс, — как тот рабочий в Детройте, которого уволили с завода, после того как там смонтировали автоматическую линию. Существовала одна-единственная вещь, в которой я был непревзойден. Но вот кому-то понадобилось вложить миллионы долларов, собрать вместе тысячи процессоров, нанять кучу умных людей — и все: «Кен, ты нам больше не нужен!» Картина возможного будущего, которую набросал бывший чемпион, выглядела антиутопично: машины вроде «Ватсона» вытеснили людей из всех интеллектуальных профессий, человек передал знания на аутсорсинг компьютерам («К чему запоминать и узнавать что-то, если все можно брать при необходимости из облака»?). Старший вице-президент IBM по промышленным решениям Майк Родин, как и полагается, смотрит на ситуацию с позиции технологического оптимиста: «Когнитивные системы, подобные «Ватсону», действительно изменят мир и то, как мы воспринимаем информационные технологии. Но они будут помогать специалистам сопоставлять, понимать и использовать данные — и делать это быстро». Если продолжить предложенную Кеном Дженнингсом аналогию с роботизацией производства, то можно предположить, что «автоматизация» интеллектуальной деятельности действительно способна сделать излишними некоторые человеческие профессии. В первую очередь — связанные с рутинными операциями по анализу и структурированию первичных данных, «пролетариев умственного труда». Но наверняка придаст б’ольшую ценность специалистам более высокого уровня, занимающимся стратегическим анализом и фундаментальными исследованиями. Не говоря о том, что создаст массу новых профессий — вроде «настройщика когнитивных систем» или «машиноучителя». Так что до нового движения луддитов5 дело БЖ вряд ли дойдет. У современных докторов в среднем лишь в 50% случаев получается прописать эффективный курс лечения для пациентов с раком легких. У «Ватсона» этот показатель достигает 90%. И это в самом начале медицинской «карьеры» 40 «Разрушители машин» в Англии начала XIX века. Движение рабочих, протестовавших против использования в производстве машин, поскольку это угрожало их рабочим местам. 5 4 До этого Deep Blue дважды проигрывал Каспарову — в 1989 и 1996 годах. Суперкомпьютер создан IBM в рамках проекта Deep Thought, а после победы в турнире разобран. «Ватсону». Организаторы игры предупредили его за несколько лет, что в IBM готовят «претендента» — строят суперкомпьютер. Дженнингс поначалу отнесся к этому вызову на поединок самонадеянно: программист по профессии, он прекрасно понимал ограничения, которые имеются у искусственного интеллекта. Во-первых, компьютеру предстояло научиться правильно понимать задание, прозвучавшее на английском языке, продравшись через все метафоры, игру слов и двойные значения, столь любимые продюсерами телешоу. А во-вторых — использовать правильные алгоритмы для быстрого поиска решения во всех своих многочисленных базах данных на сервере. (Когда в 1997 году шахматный суперкомпьютер Deep Blue4 обыграл Гарри Каспарова — это, безусловно, было достижением, но следует понимать, что шахматы — гораздо более алгоритмизуемая игра.) Уверенность Дженнингса в победе по мере приближения Бизнес-журнал МАЙ #5 2013
