Технологии

Генезисът на изкуствения интелект

Facebook и Google изграждат огромни невронни мрежи, които могат не само да разпознават лица и обекти, но и да създават собствени изображения

Юлиян Арнаудов

google Research © google Research

Вечерни новини

Всяка делнична вечер получавате трите най-четени статии от деня, заедно с още три, препоръчани от редакторите на "Капитал"

Сънят може да бъде изкривен, измислен, красив, приятен или да бъде истински кошмар, който да те кара да се будиш облят в студена пот. Ролята му не е напълно разгадана, но се смята за основен елемент в развитието на мозъка. Една от горещите теми в технологичните среди и научната фантастика през последните няколко години е развитието на изкуствения интелект (AI). Основното опасение е, че създаването му може да направи човека излишен. Дали е така е още рано да се каже. Но с напредването по работата по AI изникват други въпроси. Може ли един напълно осъзнат изкуствен интелект да прави разлика между снимки и картини, да разпознава хора и предмети? Повечето разработки са концентрирани именно в тази насока. Да отидем по-надалеч – способен ли е AI да създава собствени образи или дори да сънува? Според последните постижения на Google и Facebook отговорът е уклончиво "да". Технологичните гиганти използват нетрадиционна техника за развитие на изкуствения интелект, в която той сам да създава изображения. Метод, който може да се оприличи на филма "Генезис", в който целта беше да се имплантира идея в мозъка на човека, докато сънува.

Обръщане на концепцията

В момента разработчиците на AI системи използват традиционния подход на обучение. То включва разпознаване на думи, превод от един език на друг, различаване на обекти или лица в снимки, както и обучаване на роботи за извършване на прости механични дейности. Подобни са възможностите и на невронните мрежи (или изкуствени мозъци), които разработват Facebook и Google. Проблемът пред повечето инженери е, че човешкият мозък е много по-сложен и извършва много по-различни дейности, които досега бяха немислими за всеки изкуствен аналог. Когнитивното мислене или разбиране на нещата в контекст бяха бариера за AI, която учените вече започват да преодоляват, макар и бавно. Пътят към създаването на истински дигитален мозък все още е доста дълъг. Двата технологични гиганта решават да обърнат концепцията и започват да обучават своите невронни мрежи не да разпознават, а да създават собствени изображения.

Facebook разкри, че е научила мрежите си автоматично да създават малки картинки. Обикновено става дума за автомобили, самолети или животни. Любопитното е, че в 40% от случаите могат да заблудят хората, че тези изображения са истински или обработени снимки. Новият алгоритмичен модел разбира как работят различните типове изображения – дали са реалистични, абстрактни или изкуствени. Така може да различи белия шум, който се появява на телевизора, когато няма сигнал, или снимка, която сте направили със смартфона си, твърди Роб Фъргюс, изследовател по изкуствен интелект във Facebook, цитиран от списание Wired.

"Моделът разбира структурата и начина, по който се формират изображенията", допълва той.

Сънят на машината

Google подхожда по друг начин – компанията използва невронните си мрежи, за да превърне истински снимки в нещо ново и абстрактно. Технологичният гигант обучава машините да гледат за определени особености в отделни истински изображения. После те засилват тези особености и ги пресъздават в същата снимка.

"Така се създава кръг за обратна връзка – ако един облак прилича малко на птица, мрежата ще я направи да изглежда като птица", пишат от Google в блога на компанията. "Това ще помогне на машината да разпознае по-лесно птицата при последващо търсене, докато в един момент не се появи птица от нищото." Резултатите от тази концепция са абстрактни изображения, създадени от машина. Някои от тях са красиви, други дори страшни. Например, когато невронната мрежа трябва да разпознае животните в дадена снимка (рицар, който язди кон, а около него има хора, кучета и др.) и трябва да усили тези изображения. Крайният резултат може да изплаши някое по-малко дете. Или машината ще направи странна кръстоска между прасе и охлюв. Всичко това е поднесено по различен начин в зависимост от това кой слой или предмет трябва да се усили. В един от етапите по тестване системата на Google прави своя интерпретация на тв шум в картина. Някои описват крайните изображения като "компютърни халюцинации", или как машината интерпретира първоизточниците. По подобен, но доста по-сложен начин действа и човешкият мозък при създаването на сънища. Той използва реални случки, събития, лица и предмети и чрез интерпретирането на подсъзнанието ги превръща в крайния продукт, който ние изпитваме, докато спим. Макар и малко пресилено, може да се каже, че по този начин невронните мрежи на двата гиганта "сънуват".

По-добро обучение

Естествено засега този подход има доста условности. При Google се задават параметри и критерии, които машината следва, когато обработва изображението, докато фалшивите снимки на Facebook са в много ниска разделителна способност – едва 64 на 64 пиксела. Идеята на тези проекти е да се подобри обучението на невронните мрежи и да ги доближи още повече до формирането на изкуствен интелект, който да наподобява човешкия мозък. Според експертите тази концепция тепърва ще дава резултати.

"Тази работа помага на учените да визуализират какво машините наистина са научили", коментира Дейвид Луан, изпълнителен директор на Dextro, разработчик на когнитивен софтуер за разпознаване на изображения.

Друга разлика между подходите на Google и Facebook е, че инженерите на социалната мрежа не ползват една, а цели две невронни мрежи. Едната е изградена, за да разпознава естествени изображения, а другата се опитва по всякакъв начин да заблуди първата. Така двете влизат в директен сблъсък и се надпреварват коя от тях е по-добра.

"Те се състезават една с друга", коментира Ян лe Кaн, ръководител на AI лабораторията на Facebook. Той описва този процес като противопоставящо се обучение. "Едната се опитва да заблуди другата, докато втората се опитва да разбере кога е заблуждавана", допълва той. Резултатът е създаването на доста реалистични изображения.

Практическо приложение

Както Ле Кан от Facebook, така и Фъргюс от Google смятат, че този метод за създаване на изображения от изкуствен интелект може да намери и чисто практическа употреба. Освен за обучение и усъвършенстване на невронните мрежи подходът може да се използва и за възстановяване на повредени снимки, картини и други изображения. "Системите могат да възстановят абстрактното изображение обратно в сферата на истинското", коментира Фъргюс.

По-важният ефект обаче е, че така се прави крачка напред към създаването на автономно "безнадзорно машинно учене". Тоест методът помага на системата да се обучава, без да се налага учените да предоставят пълен набор от инструкции и наставления. В един момент този модел ще позволи на машината за разпознаване на изображенията да се учи, като използва няколко примерни картинки, които не са "надписани" от човешки оператор. С други думи, системата сама ще разпознае структурата на снимката или картината и ще идентифицира какво има на нея, без да има описание, оставено от учените.

"Машините могат да научат структурата на дадено изображение, без да знаят какво има на него", коментира Ле Кан. По думите на Луан сегашните системи все още се нуждаят от известен надзор от учените.

Сън на различни нива

Типовете невронни мрежи, създадени от Facebook и Google, могат да създадат различни нива от изкуствени неврони, които да работят заедно. Чрез тях се осъществяват различни дейности с висока прецизност, но както при различните неврони в човешкия мозък, учените не могат да напълно да разберат какво се случва в отделните нива.

"Едно от основните предизвикателства на невронните мрежи е да се разбере какво точно се случва във всеки слой", коментират от Google в своя блог.

Чрез обръщане на метода за обучение и чрез стимулиране на самата система да създава изображения учените могат да разберат как точно функционират. Например Google пита своите мрежи да засилят даден показател в изображението. Понякога това може да са само ръбовете и се получава ефект все едно през филтър във Photoshop. В други случаи например може да става дума за цял обект – сграда, дърво или животно. Но при всеки случай изследователите могат да видят как системата възприема изображението.

"Тази техника ни дава качествен смисъл на нивото на абстракция, който даден слой е постигнал в разбирането си за конкретното изображение", пишат още от Google. Чрез нея се визуализира как невронните мрежи могат да се справят с различни по сложност задачи. Тази обратна връзка се използва за подобряване на мрежовата архитектура, да се проверява за грешки или да се разбере какво е научила системата по време на обучението.

За по-романтичните интерпретацията на дадено изображение от компютъра може да се оприличи като сън, за други като абстрактно изкуство. Но подобно на филма "Генезис" този метод позволява на учените да разберат какво се случва и да дълбаят все по-надолу в своите изкуствени невронни мрежи. Което ни приближава с още една малка стъпка до изграждането на истински изкуствен интелект. Но не бива да забравяме, че пътят до крайната цел е много, ама много дълъг.

Акценти:

Социалната мрежа експериментира с метод, при който противопоставя две системи, като целта е едната да заблуди другата.

Крайната цел е да се създаде машина, която да може да се обучава с минимална човешка намеса.