Какие технологии на основе Искусственного интеллекта создаются в новосибирском Академгородке?
О вкладе российских ученых в развитие технологий искусственного интеллекта и дальнейших перспективах этого направления «Континент Сибирь» поговорил с профессором Новосибирского государственного университета (НГУ) ДМИТРИЕМ СВИРИДЕНКО.
С понедельника в новосибирском Академгородке ученые из разных стран обсуждают проблемы, связанные с созданием и использованием искусственного интеллекта. В Институте цитологии и генетики СО РАН расположена одна из площадок Всемирного конгресса по этой теме, организованного Российской Академией наук. Доктор физико-математических наук, профессор Новосибирского госуниверситета Дмитрий Свириденко выступает на конгрессе как модератор двух подсекций и докладчик. «Континент Сибирь» попросил его рассказать, насколько наука продвинулась в этой области, чем заняты он и его коллеги из Академгородка, и какую пользу их разработки несут людям.
– Дмитрий Иванович, давайте начнем с того, что считать искусственным интеллектом?
– Что писали по этому поводу «отцы-основатели»? «Давайте создадим компьютерные программы, которые будут имитировать когнитивные способности человека». Способность рассуждать, предсказывать и так далее ─ вот это и есть основная характеристика искусственного интеллекта (ИИ), отличающая его от других информационных технологий. В некотором смысле – это система автоматического решения задач. Исследования с самого начала пошли в двух направлениях. Одно – это символьный искусственный интеллект, основанный на логических рассуждениях, иначе говоря – на человекоподобном мышлении. Соответственно, главным инструментом становится математическая логика. Другой подход опирается на некие имеющиеся изначально данные и их анализ, изучение взаимосвязей, поиск закономерностей, и здесь основной инструмент – прикладная статистика, а сам подход называют машинным обучением. На нем основаны искусственные нейронные сети, ChatGPT и другие разработки, о которых говорят прежде всего в связи с темой ИИ.
Искусственный интеллект: способен ли инструмент стать личностью и чем это грозит?
– Как давно ученые Академгородка занимаются исследованиями в этой области?
– Можно сказать, что практически со времен основания Академгородка. Когда я пришел работать в Институт математики СО РАН в 1973 году, в отдел Николая Григорьевича Загоруйко, там уже занимались решением задачи распознавания образов. Тем, что сейчас является одной из центральных задач искусственного интеллекта.
– И насколько далеко нашим ученым удалось продвинуться?
– Искусственный интеллект – это достаточно широкая область исследований, технологий и конкретных прикладных систем, поэтому надо уточнять, в какой именно ее части оценивать наши результаты. Вообще, целостная оценка какой-либо области предполагает анализ на нескольких уровнях. Первый – методология и философия этого направления, каковы его основные принципы, исходя из которых строится научная работа в его рамках. Второй – теория, она может быть математической, эмпирической, какой-либо еще, главное, она должна подтверждать те самые основные принципы. На третьем уровне эти теоретические знания оформляются в инженерные решения в виде технологий, платформ. И затем этими средствами создаются некие системы, с помощью которых решаются конкретные задачи. И что касается методологии, то в Институте математики СО РАН с конца 1970-х годов создавалась оригинальная концепция, которую мы назвали задачный подход, он до сих пор активно развивается и имеет развитую логико-вероятностную математическую теорию. Мне представляется, что у этой концепции хорошие перспективы. Кстати, задачный подход станет темой одной из подсекций конгресса. Так что в этом смысле мы ничуть не уступаем мировому уровню.
– Можете сформулировать ее суть на понятном неспециалисту языке?
– Есть известный принцип: правильно сформулированная задача есть половина ее решения. Мы этот принцип усилили, показав, что в правильной формулировке определенного типа задач может содержаться и их решение. Понятно, что я сейчас говорю о задачах, связанных с работой компьютера, а не о бытовых. И на этой основе мы создали математическую теорию, получившую название семантическое программирование. Если очень кратко, идея была простая: в декларативных логических терминах формулируется некая задача, но так, чтобы из формулировки можно было извлечь алгоритм ее решения. Фактически мы убираем из процесса так называемых кодировщиков, автоматизируя этот процесс. Стандартные языки программирования лежат в рамках императивного подхода, это команды, а семантическое программирование опирается на декларативный подход, согласно которому человек так формулирует задачу, чтобы машина могла извлечь решение из формулировки. Так что и на втором уровне – теории – мы тоже создали свое оригинальное направление, на основе которого теперь работают разработчики инженерных решений.
– Как обстоят дела с этим уровнем? Наши ученые получили какие-то значимые результаты в формате технологий или платформ?
– Да. К настоящему времени создано три платформы, идет работа над четвертой. Мой ученик Виталий Гумиров создал платформу d0sl. Сейчас он возглавляет группу компаний, которая выпускает продукты с помощью этого инструмента. Например – платежную систему сервиса «Московское парковочное пространство», многие решения для телекоммуникационных компаний (такой, как известный всем абонентам МТС сервис «*111#» и тому подобное), другие сервисы, связанные с транзакциями. Вторая интересная платформа «B-system» создана в Иркутском государственном университете профессором Андреем Манциводой. Это система ориентирована на решение бизнес-задач типа бюджетирования и управленческого учета и на практике реально помогает избежать проблем из разряда «все деньги потрачены, а на что – неясно». Третья платформа – Discovery - создана моим коллегой по Институту математики СО РАН и НГУ, профессором Евгением Витяевым. Она позволяет решать задачи прогнозирования, предсказания. И сейчас в Институте математики СО РАН коллективом под руководством Андрея Нечесова создается еще одна платформа, предполагается, что она будет работать на основе алгоритмов, которые не требуют очень сложных вычислений, а значит программные продукты, созданные на ее основе, не будут очень требовательны к производительности компьютера. Кроме того, известно, что чем проще алгоритм, тем быстрее он вычисляется, а значит, программы, основанные на них тоже будут работать быстрее. Вообще, потенциал у научного сообщества Академгородка в этой области очень большой, он далеко не весь еще реализован, и я считаю, что мы должны стать одними из лидеров страны по разработкам с использованием технологий ИИ. Пока вокруг этой перспективной темы сконцентрированы в основном московские и санкт-петербургские коллективы. Недавно был конкурс по созданию центров искусственного интеллекта в университетах, среди его победителей не оказалось ни одного вуза восточнее Урала. Это дисбаланс, который надо исправлять, поскольку в Сибири и на Дальнем Востоке есть несколько весьма перспективных научных школ, работающих в области ИИ.
– А чем занимаетесь в этой области вы?
– Я занимаюсь темой создания интеллектуальных «цифровых двойников» организаций.
– Что это такое и зачем они нужны?
– Если у вас есть некий объект, то вы можете построить его цифровую или компьютерную модель, которая имитирует свойства объекта, не будучи с ним связанной. С помощью этой модели можно изучать этот объект, совершенствовать его структуру и функции и так далее. Если вы соедините эту цифровую модель с объектом неким цифровым каналом («цифровой нитью»), по которому она будет считывать информацию о происходящих с ним в реальности изменениях, его текущем состоянии, то это будет уже «цифровая тень». А если вы добавите еще и обратную связь, позволив модели управлять объектом, то это и называется «цифровым двойником». Если он в работе использует методы ИИ, то его называют интеллектуальным. С приборами, например, сенсорами, эта задача решается довольно хорошо, в том числе с использованием искусственных нейросетей. С организациями же все не так просто, там каждый сотрудник является таким «сенсором», а ведь помимо людей в организации есть и другие акторы – компьютерные программы, роботы. И всю эту совокупность надо адекватно учитывать и управлять. И в такой сложной системе «цифровой двойник» играет роль системы поддержки принятия решений, становясь эффективным помощником руководителя. Такой ассистент, который все помнит, способен быстро проводить сложные вычисления и применять эти ресурсы для лучшей организации работы.
Что не так в искусственном интеллекте сегодня? Не о том мечтали братья-фантасты в ХХ веке
– Это будет индивидуальный продукт, создаваемый под конкретную организацию?
– Тут тоже есть два подхода. Можно отталкиваться от того, который озвучили вы, а можно иначе, мне очень нравится подход, предложенный профессором Манциводой. Он говорит, что такой «цифровой двойник» ─ это как бы представление топ-менеджера о возглавляемой им организации, как он ее видит, и как он хотел бы ей управлять. И тогда «цифровой двойник» превращается в настоящего ассистента, который будет обучаться и подстраиваться под стратегию своего шефа. И не только при решении задач прогнозирования и планирования. В рамках этой систем руководитель или другой сотрудник фиксирует поставленную задачу в виде смарт-контракта, где прописана ответственность исполнителя, другие параметры, все это отслеживается, сверху положим блокчейн, который защищает служебную информацию от несанкционированного доступа. И фактически получаем новый качественный уровень документооборота. Там фиксируются успехи, неудачи, репутация, компетенции и так далее, на основе всего этого формируется некий рейтинг сотрудника, который превращается в цифровой актив.
– В завершение вопрос, который волнует многих: куда идет прогресс, и сможет ли человечество, на ваш взгляд, контролировать эти технологии?
– Решения, которые сейчас привлекают больше всего внимания со стороны общества, а точнее так называемые большие языковые модели, на которых они построены – это, вообще говоря, прикладная статистика, немножко разбавленная другими математическими приемами. Но здесь возникает некий системный дефект: когда вы создаете систему с определенными целями, то собираете ее элементы так, чтобы получить некий прогнозируемый эффект. К примеру, вы хотите отправиться в полет, и создаете самолет, заранее прогнозируя, какими свойствами он должен обладать. То же самое с программными решениями. Но есть закон диалектики о переходе количества в качество. И начиная собирать систему из огромнейшего количества элементов, а искусственные нейронные сети – это как раз такие системы, то эффект предсказания и управления нужными свойствами исчезает. Эти системы начинают галлюцинировать, ошибаться, выдумывать несуществующие вещи.
Как региональному бизнесу использовать возможности искусственного интеллекта уже сейчас?
Недавно был такой случай – такой системе задали вопрос, как побороть инфляцию. В течение нескольких минут система синтезировала ответ с ссылками на мнение крупных ученых, указав пять монографий, на которые она опиралась в этом ответе. Но когда ее ответ проверили, оказалось, что нет таких монографий и ученые такие не существуют. И это ставит вопрос – если дать развиваться таким системам, то насколько правильными будут их решения. И вообще нет гарантий, что они не сочтут человечество «лишним элементом» окружающего мира, помехой. Сейчас идет активная дискуссия на эту тему, расколовшая научное сообщество на несколько лагерей. Мне кажется, что сейчас, помимо обсуждения юридических и этических вопросов, вопросов безопасности, в ИИ начинает формироваться интересное направление, о котором мы говорили еще в конце прошлого века – так называемый гибридный ИИ, который будет сочетать достоинства обоих подходов, о которых мы говорили в начале, символьного ИИ и машинного обучения. Человек, кстати, как раз сочетает в своем мышлении оба подхода. И придав такие же способности ИИ, сделав его доверительным, мы, возможно, уйдем от того системного дефекта, который и вызывает опасения относительно него.
