Пионер искусственного интеллекта Рэнди Гебель — профессор кафедры компьютерных наук Университета Альберты в Канаде, основатель Альбертского института машинного интеллекта (AMII). Он участвует в развитии сотрудничества Университета Альберты с Google DeepMind, группой, стоящей за AlphaGo – программы для игры в го, разработанная компанией Google DeepMind в 2015 году. AlphaGo стала первой в мире программой, которая выиграла матч без гандикапа у профессионального игрока в го на стандартной доске 19 × 19, и эта победа ознаменовала собой важный прорыв в области искусственного интеллекта, так как большинство специалистов по искусственному интеллекту считало, что подобная программа не будет создана ранее 2020—2025 годов.
Работа Гебеля в области абдукции, гипотетических рассуждений и пересмотра убеждений получила международное признание, а его недавнее применение практического пересмотра убеждений и программирования в ограничениях в области планирования, компоновки и веб-инжиниринга оказало широкое влияние на многие отрасли промышленности.
Наряду с этим, ученый работает над использованием машинного обучения для визуального объяснения и обработки естественного языка, уделяя особое внимание сфере построений юридических рассуждений. Ранее он преподавал в Университете Ватерлоо и Токийском университете. Гебель участвует в совместных академических и промышленных исследовательских проектах в Канаде, Австралии, Малайзии, Европе и Японии, а также входит в консультативные советы Немецкого исследовательского центра искусственного интеллекта, Японской организации науки и технологий и Японского национального института информатики.
В рамках интервью, которое мы предлагаем вашему вниманию, Рэнди Гебель ответил на вопросы о настоящем и будущем искусственного интеллекта.
- Как вы, пионер в области искусственного интеллекта, думаете, где мы находимся в смысле развития ИИ – на этапе зачаточного состояния этих технологий? Отрочества? Зрелости?
Рэнди Гебель: ИИ вышел из младенческих пеленок. Существует множество фондов и организаций ИИ, которые уже обеспечивают реальную социальную и экономическую ценность, но пока – только в избранных или специализированных областях. Например, уже десятилетиями шаблоны транзакций по кредитным картам используются для выявления мошенничества, а большинство современных сетей связи применяют архитектуры автоматической диагностики и восстановления. ИИ используется в программном обеспечении для распознавания голоса – Siri, Alexa, Google Now, Cortana. Рекомендательные системы на основе ИИ настолько распространены, что большинство из нас даже не осознает их существование.
Учитывая невероятный энтузиазм в отношении машинного обучения, особенно глубокого обучения, можно изобразить ИИ подростком: крайне самоуверенного и считающего, что у него нет неразрешимых проблем.
- Когда вы рассматриваете последние достижения в таких областях, как машинное обучение или алгоритмы ИИ, что заставляет вас подумать: «Хм, вот на это стоит обратить внимание»? Что вызывает у вас интерес?
Рэнди Гебель: Будучи подростком, ИИ находится на стадии, которую некоторые называют эмпирической. Внимание большинства людей и многих специалистов в сфере технологий привлекает главным образом производительность.
Например, AlphaGo, распознавание и маркировка изображений, а также обработка естественного языка (речи и текста) оказали относительно большое влияние, поскольку их эффективность легко понять.
Но настоящие инновации в области искусственного интеллекта не настолько очевидны. ИИ трудно распознать и еще труднее создать. Все начинается с выполнения действий, затем требуется (само)объяснение, а затем появляется способность к обучению.
- Помог ли вам в работе тот факт, что вы живете в Канаде? Если да, то как?
Рэнди Гебель: Когда я был студентом, мой руководитель Лен Шуберт, который сейчас работает в Рочестерском университете, как-то заметил мне: «Ты можешь заниматься искусственным интеллектом в Канаде, но тебе придется работать усерднее и больше, чем в Массачусетском технологическом институте или Стэнфорде, иначе ты не получишь признания». Но теперь Канада стала признанным мировым лидером в области ИИ, который особенно бурно развивался здесь с 1980 по 2000 годы.
Мне посчастливилось участвовать в этом процессе. Сейчас я вижу широкие возможности для нынешних преподавателей и аспирантов.
- Что вас больше всего волнует в роли нового советника ROSS (ведущая компания по разработке ИИ-решений в области юриспруденции)?
Рэнди Гебель: Больше всего меня радует тот факт, что ROSS возьмет на себя лидерство в разработке и накоплении технологий ИИ таким образом, что это окажет реальное воздействие. Ученые, занимающиеся искусственным интеллектом, спорят о возможных сроках воздействия новых идей, но без канала для демонстрации такого воздействия невозможна обратная связь и оценка. Руководство ROSS демонстрирует понимание того, как будет постепенно развивать рынок, который будет принимать это воздействие на приемлемом для себя уровне.
- Возможны ли сценарии использования или приложения ИИ, которые мы пока не можем себе даже представить?
Рэнди Гебель: Существует несколько задач ИИ, к решению которых мы приблизились, но еще не решили. Например, разрабатывается система роботизированной стрижки овец: овцу обездвиживают, пропуская через нее слабый электрический ток, и стригут так, чтобы не причинить животному вред. Можно создать аналогичную роботизированную систему смены подгузника под присмотром матери.
Или можно разработать сценарий, когда вы просто задаете поисковой системе вопрос, типа: «Покажите мне 2–3 видеоклипа политика, противоречащего самому себе, до и после выборов». Очевидно, это гораздо более сложная задача.
- Что такое juris-informatics («юридическая информатика»)?
Рэнди Гебель: Этот термин придумал Кен Сато, по аналогии с «биоинформатикой». В целом идея состоит в том, информатика, искусственный интеллект и машинное обучение могут обеспечить основу для автоматизации сбора и обработки юридической или «юриспруденческой» информации.
- Как «юридическая информатика» помогает развитию юридической профессии в практическом плане?
Рэнди Гебель: Практический интерес имеет использование ИИ для ускорения некоторых аспектов судебного разбирательства, например, процесса правовых исследований (положений закона, судебных решений и прецедентов).
Правовые исследования – утомительный и трудоемкий процесс, поскольку обычно требуется много времени для выявления в законодательстве и прецедентном праве законов и дел, имеющих отношение к конкретной правовой ситуации. Такое практическое использование искусственного интеллекта, особенно современных технологий обработки естественного языка (NLP), позволит окупать затраты юридическим фирмам, использующим эти технологии, а также будет способствовать демократизации закона – этот процесс иногда называют «доступом к праву».
За этим последуют еще более сложные технологии, которые не только задействуют существующие модели искусственного интеллекта, но и помогут понять и использовать гипотетические рассуждения и другие правовые концепции. Это позволит обеспечить поддержку анализа и даже синтеза юридических рассуждений и юридической аргументации.
- В чем значение проекта AlphaGo?
Рэнди Гебель: AlphaGo, в духе нынешнего этапа доминирования эмпирических методов в ИИ, демонстрирует, что мы обладаем достаточным пониманием ИИ и вычислительной мощностью, чтобы автоматизировать производительность ограниченного класса задач (полноинформационных игр) таким образом, что она выходит за рамки человеческих возможностей.
- Над чем сейчас работает команда Альбертского института машинного интеллекта (AMII)?
Рэнди Гебель: Популярность глубокого обучения обнажила проблему, которую сейчас называют «объяснимый ИИ», иногда «XAI», в честь новой исследовательской программы Управления перспективных исследовательских проектов Министерства обороны США (DARPA). Идея в том, чтобы продолжить исследования, необходимые для преобразования моделей глубокого обучения в модели, которые смогут объяснить их поведение, как того требуют приложения в сфере медицине и юриспруденции, например.
У нас есть новый проект, который мы называем «Глубокое визуальное объяснение». Он объединяет уроки, извлеченные из объяснительного рассуждения в результате абдуктивного логического программирования, и логическую визуализацию.
- Вы работали над «использованием машинного обучения для визуального объяснения и обработки естественного языка, с акцентом на юридических обоснованиях». Не могли бы вы объяснить непосвященным, что это такое?
Рэнди Гебель: Люди просто не умеют управлять большими объемами данных, будь то в форме текста, изображений или сигналов в самых разных модальностях. Идентификация правовых концепций, извлеченных из больших наборов юридических данных, и их репрезентация в визуальных категориях может усилить силу человеческого рассуждения. Например, ИИ может найти и отобрать только нескольких случаев, имеющих отношение к делу, а затем визуально представить наиболее релевантные компоненты этого дела, и это позволит людям-юристам учитывать взаимосвязь, понять которую иначе было бы невозможно.
- Как пересмотр убеждений и программирование в ограничениях используются применительно к планированию, макетированию и веб-инжинирингу в различных сферах бизнеса?
Рэнди Гебель: Концепция «пересмотра убеждений» как раз и заключается в том, чтобы корректировать накапливающуюся базу данных наблюдений за миром. Если вы знаете, что «идет дождь», а затем видите, что дождя больше нет, вы можете скорректировать свои представления о текущем состоянии погоды. Когда факты накапливаются со скоростью, слишком быстрой для того, чтобы человек мог их обработать (и, таким образом, становится сложно решить, считаете ли вы дождь реальностью), тогда требуется алгоритмическая поддержка для управления большим потоком наблюдений за реальным миром.
С практической точки зрения, если у вас есть быстро меняющийся поток интернет-рекламы большого объема (как в случае Google), то вам нужны автоматизированные системы, которые быстро принимают решения об ограничении размещения рекламных объявлений (речь идет о местах, где появляются объявления). Такие системы представляют собой комбинацию геометрических ограничений, пересмотра убеждений и графического дизайна (визуализации).
- Что, по вашему мнению, является самым большим препятствием на пути раскрытия потенциала ИИ, особенно в решении реальных проблем?
Рэнди Гебель: Центральной темой некоторых академических исследований была «демократизация знаний». Можно вспомнить лозунг Джорджа Оруэлла «знание – сила». Высшая цель и ценность ИИ состоит в том, чтобы сделать одну и ту же информацию доступной для всех, чтобы можно было всегда идентифицировать, например, фейковые новости. Мир станет более стабильным, когда мы сможем достичь консенсуса, основанного на фактах.
