Он может применять свои навыки к любой задаче, которую вы ему поручите. Но пока мы еще не дошли до этой точки. Так что, пока что наш «всеядный» игрок все еще остается в мире фантазий. Хотя…
Позволю себе высказать мою персональную оценку будущего сильного интеллекта. Вернемся к нашему универсальному спортсмену – нашему «сильному» ИИ.
Согласно моему личному прогнозу, нам еще предстоит ждать примерно два десятка лет, прежде чем мы сможем увидеть такой ИИ в действии.
Но я не могу не замечать, что с каждым проблеском сверхсовременных технологий искусственного интеллекта голливудская картинка будущего с самодостаточными роботами-терминаторами становится все менее фантастической и все более приближенной к реальности.
Давайте взглянем на некоторые факты. Гиганты технологий, такие как Google и OpenAI, уже продемонстрировали глубокое обучение и машинное обучение с подкреплением на уровне или даже превосходящие человеческий уровень в конкретных задачах, таких как игра в шахматы или Go, а также понимание и генерация естественного языка.
Это все еще уровень «слабого» ИИ, но быстрый темп прогресса указывает на то, что картина может измениться гораздо раньше, чем мы ожидаем.
Итак, насколько далеко мы от сценария «Я вернусь» из культового фильма «Терминатор»? Мы все еще не уверены. Пока что наше понимание человеческого интеллекта и сознания остается недостаточным для создания истинно «сильного» ИИ.
Однако одно ясно: технологии искусственного интеллекта уже трансформируют наш мир, и скорость этого преобразования только ускоряется. Так что, хотя терминаторы из кино могут пока и остаться голливудской выдумкой, будущее ИИ, безусловно, будет удивительным и полным перемен.
Теперь разберёмся в том как мы обучаем эти два разных типа ИИ «думать»? Для слабого ИИ, мы обычно используем специализированные алгоритмы и большие объемы данных, связанные с конкретной задачей.
Вспомните пример с классификацией собак и кошек: модель учится различать эти два класса, используя тысячи изображений собак и кошек, но она не будет знать, как распознать машину или дом.
Для сильного ИИ, теоретически, мы должны были бы использовать более сложные и адаптивные системы обучения, способные переносить знания из одного контекста в другой и обучаться на основе опыта.
Это ближе к тому, как мы, люди, учимся: у нас есть общая способность к обучению, которую мы применяем к различным задачам. Однако, как уже было сказано, на данный момент общий ИИ остается предметом исследований и фантазий.