В марте прошлого года корпорация McDonald’s приобрела стартап Dynamic Yield за $300 млн — фастфуд-гигант задумал использовать технологии машинного обучения для персонализации клиентского опыта. В век искусственного интеллекта (ИИ) такое решение выглядит оправданным и даже очевидным, тем более Dynamic Yield широко известен своими ИИ-разработками и даже попал в престижный рейтинг лучших стартапов в этой области. Так что можно было бы считать, что нейронные «максети» уже взялись за работу.
Но есть одна проблема. Судя по публикации бывшего директора по контенту Dynamic Yield’s Майка Маллаццо на портале Medium, стартап не имеет никакого отношения к искусственному интеллекту. Позже автор удалил свое полное скорби разоблачение искусственного интеллекта, но коллективная память интернета все сохранила. Маллаццо заявил о том, что маркетологи, инвесторы, эксперты, журналисты и программисты причастны к мошенничеству с ИИ-технологиями. Само определение искусственного интеллекта, пишет он, «настолько запутанно, что любое применение этого термина на первый взгляд кажется оправданным». Критика Маллаццо основывается на двух моментах. Первый — намеренно вводящие в заблуждение маркетинговые уловки, которые часто идут в ход в любых высокотехнологичных сферах. Здесь достаточно вспомнить историю малоизвестной компании Long Island Iced Tea, акции которой взлетели на 289% после того, как она переименовалась в Long Blockchain, намекая на возможность развития блокчейн-технологий.
Вторая проблема заключается в том, что в отличие от блокчейна понятие искусственного интеллекта очень расплывчатое, что позволяет использовать термин в любой ситуации, когда речь заходит о технологии для решения трудных задач. Причем эта проблема возникла задолго до того, как ИИ оказался на пике популярности. Чтобы лучше понять, когда все началось, стоит углубиться в историю создания этой технологии.
Развитие искусственного интеллекта выделилось в самостоятельную науку в 1956 году во время летнего семинара в Дартмутском колледже. Из описания семинара следовало, что всего за два месяца его участники смогут сильно преуспеть в том, чтобы заставить машины понимать язык, обобщать и формировать концепции, решать задачи, с которыми пока справляется только человек, и улучшать самих себя. Цели, озвученные создателями семинара, были настолько поразительными, что они до сих пор служат источником вдохновения для современных ученых. Надо признать, что с тех пор прошло уже намного больше, чем два месяца, а человечество так и не приблизилось к решению поставленных задач, зато идеи дартмутского семинара дали толчок к проведению масштабных исследований. Но успехи, которых к настоящему времени добились ученые, с трудом дотягивают даже до расплывчатого определения ИИ, которое сформулировал пионер в этой области Марвин Минский (он определил ИИ как науку по созданию машин, способных выполнять задачи, требующие использования интеллекта в случае выполнения их человеком).
Для примера можно рассмотреть такой подраздел ИИ, как эвристический поиск, развитие которого началось в 1960-х. Тогда ученые Стэнфорда хотели создать робота, который будет самостоятельно передвигаться, минуя препятствия на своем пути. Продолжая номенклатурный тренд в науке, исследователи назвали свое творение Шейки, а первый алгоритм для определения пути нарекли A1. Его преемником стал не менее примечательный алгоритм A2, позже переименованный в A*.
Как выяснилось, принципы передвижения из одной точки в другую и решения головоломки очень схожи. Так что A* можно считать многофункциональным алгоритмом, а ученые уверены, что он является одним из мощнейших инструментов в арсенале ИИ. Тем не менее этот алгоритм настолько прост (он решает, какое действие предпринять следующим, просто добавляя два числа), что едва ли может стать альтернативой человеческому интеллекту.
Похожую историю можно рассказать и о других разработках в области ИИ, среди которых многоагентные системы (сосредоточенные на построении взаимодействия между автономным программным обеспечением, таким, какое, например, используется в беспилотных автомобилях), автоматическое планирование, а также машинное обучение, которое многие ошибочно считают синонимом искусственного интеллекта. Основные достижения в перечисленных областях пока не дотягивают даже до тезисов Минского.
Все эти на первый взгляд разные области объединяют не только общая история и чрезмерный оптимизм. Как и в других областях науки, в сфере изучения ИИ есть общая терминология, а это значит, что наиболее перспективные идеи и мощные технологии в целом служат своеобразной рекламой других подразделов искусственного интеллекта.
Кроме того, на стыке разных областей ИИ время от времени появляются крайне амбициозные начинания. Например, в 2000-х появились соревнования DARPA Grand Challenge и DARPA Urban Challenge, давшие толчок к развитию беспилотных автомобилей. В 2011 году суперкомпьютер IBM Watson сокрушил двух чемпионов телеигры Jeopardy! (викторина, российским аналогом которой является «Своя игра»). Также в последнее время появилось много исследований, объединенных общей целью направить ИИ-технологии на решение главных проблем человечества.
Мораль заключается в том, что термин «искусственный интеллект» действительно часто используют не по назначению. Но само понятие изначально включало в себя множество разнообразных технологий. Так что инвесторам и журналистам стоит требовать от трезвонящих об использовании ИИ стартапов разъяснений, что именно они делают. Совет не судить книгу по обложке, может быть, и изъезжен, но он вдвойне справедлив в эпоху искусственного интеллекта. И тем более справедлив, если речь идет о книге, написанной искусственным интеллектом.