Ты лишь имитация. The Turing Test - «Да ты же просто робот, имитация жизни. Разве может робот пройти эту игру?». Минусы VR-терапии - сравнительно высокая стоимость оборудования и потенциальная физиологическая непереносимость виртуальной реальности

Ты просто робот, имитация жизни — эпизод из фильма «Я, робот» с Уиллом Смитом, кадры которого стали популярным мемом в интернете.

Происхождение

Фантастический фильм «Я, робот» (I robot) вышел в 2004 году. В главной роли снялся Уилл Смит. В одном из эпизодов герой Смита по имени Дэл Спунер устраивает допрос роботу Санни.

Дэл: Ты всего лишь машина, только имитация жизни. Робот сочинит симфонию? Робот превратит кусок холста в шедевр искусства?

Санни: А Вы?"Я, робот"

Этот отрывок сначала распространялся по сети как микрокомикс. Кто-то сделал скрины из фильма и наложил на них субтитры. Сам по себе эпизод довольно смешной, поэтому формат стал вирусным. Позже из него сделали мем, в котором заменяли или слова в диалоге, или лица персонажей.

Значение

Мем «Ты просто робот, имитация жизни» используется для шуток о превосходстве искусственного интеллекта над человеком, например в новостях про технологии будущего. Часто такими картинками иллюстрируют шутки про недостатки или стереотипы человека, в том числе на расовой почве.

Шаблон

Уилл Смит пьет кофе

Еще один эпизод из фильма «Я, робот» стал мемом, хотя и не таким популярным. Это момент, на котором персонаж Уилла Смита пьет кофе и делает кислое лицо, вероятно, из-за неприятного вкуса. Потом он чихает и говорит «Извините, у меня аллергия на чушь». Кадр с гримасой героя стал шаблоном, который можно использовать для выражения недовольства или отвращения.

Галерея

Разработка элементов систем искусственного интеллекта активно развивается и становится трендом сегодняшнего времени, а умных ботов сейчас и вовсе не пишет только ленивый. Именно поэтому мы взяли интервью у Дмитрия shwars Сошникова, одного из лучших в стране экспертов по ИИ. Он является технологическим евангелистом Microsoft, автором книг, статей и учебных пособий, а также преподавателем и координатором студенческих программ, специалистом по функциональному программированию, нейросетям и искусственному интеллекту.

- Дмитрий, расскажите, пожалуйста, пару слов о себе и своей работе.

Дмитрий Сошников : Как евангелист Microsoft я занимаюсь популяризаций и внедрением самых современных технологий компании, сейчас это в первую очередь технологии, связанные с искусственным интеллектом. Это включает в себя выступления на конференциях, работу со студентами и преподавателями, стартапами, иногда участие в хакфестах и программирование прототипов систем совместно с разработчиками разных компаний. Также я занимаюсь популяризацией функционального программирования и языка F#, преподаю в МФТИ, НИУ ВШЭ и МАИ, разрабатываю онлайн-курсы для MVA и Coursera.

На мой взгляд нейронные сети и искусственный интеллект в целом - это очень интересная область, бурное развитие которой в последние годы уже позволило решить ряд задач, ранее не имевших решения, как, например, автоматическое определение возраста человека по его фотографии. И будущее готовит нам еще много интересных возможностей.

Нейросети - мода или инструмент?

Дмитрий Сошников : Здесь удачно наложились одновременно несколько факторов.
Во-первых, появились доступные вычислительные мощности. Причем большую роль сыграли именно облачные сервисы, поскольку вместо вложений в инфраструктуру для просчета нейросетей теперь можно арендовать ее лишь на время вычислений, впоследствии отказавшись от аренды. Помимо этого, стали использоваться графические процессоры, которые изначально проектировались для компьютерной графики. Оказалось, что они хорошо подходят для задач искусственного интеллекта.

Во-вторых, благодаря интернету во многих областях начали скапливаться гигантские массивы данных. Рассмотрим, к примеру, упомянутую ранее задачу распознавания возраста человека по фотографии. Чтобы обучить нейронную сеть для ее решения, требуется несколько сотен тысяч примеров. Сейчас можно взять любую социальную сеть, где люди сами публикуют свои фотографии и данные аккаунта (возраст) - и мы сразу получаем данные для обучения.
В-третьих, конечно, появились некоторые интересные исследования, в том числе новые архитектуры нейронных сетей, которые позволяют решать существующие задачи. Но этот пункт, наверное, - следствие первых двух. Когда доступны ресурсы и технологии, естественно, область начинает активно развиваться.

Здесь же появилось большое количество инструментов, которые позволяют эти нейронные сети применять. Если раньше для решения задач искусственного интеллекта нужно было иметь много знаний, много программировать, то сейчас доступны сервисы, которые можно брать и использовать.

Тема искусственного интеллекта очень популярна сегодня. Насколько эта популярность заслужена? Технология действительно настолько впечатляет или же велик вклад моды? И не идет ли эта «мода» во вред развитию?

Дмитрий Сошников : В области ИИ действительно есть большие успехи, о которых много пишут, поэтому словосочетание «искусственный интеллект» на слуху. Благодаря этому появляются новые разработчики - кто-то идет и изучает новую для себя область, т.е. становится больше людей, которые в этой области разбираются. С другой стороны, люди внимательнее ищут те задачи, где можно применить технологии искусственного интеллекта. С такой точки зрения все это в принципе хорошо, ведь у нас появляется шанс автоматизировать какие-то области, которые раньше мы автоматизировать не могли.

К примеру, мы можем решить задачу приема заказов в окошке МакАвто. Решение подобных задач всегда пытаются удешевить. Например, в США сначала там сидел американец, потом была попытка отдать это на аутсорсинг за счет передачи голоса в страну с дешевым трудом (где, опять же, человек сидит и расшифровывает). А сейчас это уже может делать компьютер.

Свойственны ли участникам рынка завышенные ожидания? Есть ли предсказания, которые, на ваш взгляд, в ближайшее время точно не сбудутся?

Дмитрий Сошников : Конечно, есть. Во-первых, область искусственного интеллекта немного романтическая. Есть достаточное количество фильмов - например, «Матрица» или «Терминатор» - где роботы восстают и берут все под свой контроль. Поэтому есть какое-то количество людей, ожидающих, что пройдет еще 5 лет и компьютеры захватят мир. Эти ожидания, по всей видимости, пока еще далеки от реальности. Сейчас очень хорошо автоматизируется решение некоторых классов задач, связанных с распознаванием образов, речи, с машинным обучением. Но до понимания того, как в целом устроено мышление человека, необходимо еще достаточно далеко идти. Поэтому до создания такого искусственного интеллекта, который будет мыслить как человек, оперировать накопленными знаниями, еще необходимо много работать. Пока не очень понятно, как это делать.

- А что касается ожиданий в терминах финансовых вложений, а не воплощения сценариев научной фантастики?

Дмитрий Сошников : Мне кажется, для такого разговора нужно разбить тему искусственного интеллекта на отдельные составляющие, поскольку это очень широкая область.

Если рассматривать компьютерное зрение, то здесь уже есть потрясающие успехи, которые сейчас внедряются в бизнес, повышая его эффективность и принося экономические плоды. Компьютерное зрение уже распознает изображение лучше человека, не говоря уже о том, что существенно дешевле.

В других областях, вроде понимания естественного языка и способности рассуждать на произвольные темы, прогресс пока более скромный.

- Есть ли факторы, которые, на ваш взгляд, тормозят развитие отрасли?

Дмитрий Сошников : Честно говоря, каких-то явных факторов я не вижу. Мне кажется, сейчас это самая быстроразивающаяся область.
Тем не менее, хочу отметить, что искусственный интеллект - это область, которая все-таки требует некоторой квалификации. Работать в этом направлении чуть сложнее, чем просто научиться программировать. Человек, окончив школу и не получая высшего образования, наверное, может начать успешно работать на поприще стандартной разработки. С искусственным интеллектом планка входа выше, хотя она постепенно снижается, в том числе, стараниями участников этой отрасли. В частности, одна из вещей, над которыми работает Microsoft, - это так называемая демократизация искусственного интеллекта . Под этим понимается превращение технологии в доступную для как можно более широкого слоя потребителей.

На практике не только Microsoft, но и многие другие компании работают в этом направлении, предоставляя, например, инструментарий для решения интеллектуальных, когнитивных задач в виде готовых сервисов. Например, сервисы определения пола, возраста и настроения человека по фотографии, их можно просто вызвать и получить результат. Это же касается машинного перевода и т.д. В рамках доклада на DotNext 2017 мы будем об этом говорить: как можно, вообще не разбираясь, как именно это устроено, просто пользоваться результатами.

А.NET может?

Дмитрий Сошников : Методы ИИ могут быть реализованы на любых технологиях. Тем не менее, вокруг однотипных задач существуют некие сложившиеся экосистемы. Например, среди специалистов по обработке данных очень популярны языки Python и R и сопутствующие им библиотеки. Т.е. здесь уже очень много наработок сообщества. С точки зрения этих наработок, конечно, .NET немного отстает, равно как и другие подобные платформы. Тем не менее, на.NET уже есть определенный набор инструментов, о которых я как раз буду рассказывать в рамках своего доклада.

Вообще платформы сейчас в некотором смысле интегрируются, в том числе, между собой. Тот же самый язык R очень хорошо интегрируется с F#, который является «родным» для платформы.NET. Соответственно, если нам нужно использовать какие-то инструменты машинного обучения, мы можем воспользоваться такой цепочкой, задействуя возможности и библиотеки языка R. Это будет достаточно прозрачно и легко происходить.

В целом, если говорить именно о нейронных сетях, у Microsoft есть инструмент Cognitive Toolkit, который позволяет обучать нейронные сети. И поскольку он изначально создавался в экосистеме Microsoft, он очень хорошо работает с.NET.

- Этот инструмент чем-то выделяется на фоне аналогов от других производителей ?

Дмитрий Сошников : По сути Cognitive Toolkit - это Microsoft-овский аналог фреймворков TensorFlow, Caffe и т.д.

Все они в принципе очень похожи идеологически. Но Microsoft Cognitive Toolkit первым начал поддерживать очень распределенную среду обучения, когда можно обучать нейронную сеть не только на каком-то одном графическом процессоре, а на нескольких графических процессорах или даже на нескольких графических станциях. Т.е. можно сделать ферму обучения нейросетей.

Насколько я знаю, Cognitive Toolkit обыгрывает другие фреймворки по скорости обучения. Плюс его очень удобно использовать. Большинство фреймворков так или иначе связаны с языком Python, а Cognitive Toolkit изначально шел немного по другому пути. В нем изначально можно было описать архитектуру нейросети на специальном языке, а после этого обучить ее, не строя никаких моделей в Python. Это было немного проще. Сейчас Cognitive Toolkit поддерживает оба варианта, т.е. является достаточно гибким.

- Наверное, есть моменты, в которых Cognitive Toolkit проигрывает аналогам?

Дмитрий Сошников : В целом подобные фреймворки - это инструменты нижнего уровня, поверх которых можно обучать произвольные нейросети. Как и аналоги, инструмент Cognitive Toolkit поддерживает некий базовый уровень, поверх которого можно строить архитектуру сетей произвольной сложности. Поэтому круг решаемых различными инструментами задач примерно одинаков.

Выбор фреймворка во многом определяется какими-то личными предпочтениями, наличием справочных материалов. И вот здесь фреймворк от Microsoft чуть-чуть отстает, поскольку он появился чуть позднее, поэтому по нему нет такого большого количества материалов, в частности, онлайн курсов. Но ситуация, конечно, потихоньку выравнивается.

Мы совместно с МФТИ планируем выпустить онлайн-курс, посвященный как раз задачам, связанным с использованием искусственного интеллекта на практике. И какая-то доля информации по Cognitive Toolkit туда тоже войдет.

Ближайшее будущее

Дмитрий Сошников : Наверное, окончательно строить прогнозы еще рано, поскольку в 2011-2012 годах началось исключительно бурное развитие технологий. С тех пор совершенствуются методы распознавания, улучшаются архитектуры нейронных сетей, т.е. растет точность решения задач.

В этом сегменте еще много нерешенных вопросов. Задачи распознавания изображения и голоса уже решены на достаточно высоком уровне. Дальше, наверное, самое интересное - это пытаться извлечь какой-то смысл из текста. Здесь тоже есть достаточно ошеломляющие успехи. Например, можно обучить нейронную сеть на фрагментах разговоров из фильмов и получить робота, который умеет как-то поддерживать диалог. Но при этом в диалоге будет не так много осмысленного. Как транслировать знание в смысл, как соединить неявное представление знаний в нейросетях с символьными рассуждениями - пока непонятно. Это направление исследований, которым будут заниматься ученые.

Что касается инструментов, они сейчас активно развиваются. В некотором смысле производители инструментария пытаются следовать за научными достижениями в соответствующей области. Появляются новые архитектуры сетей - появляется их поддержка в инструментах, т.е. функционал все время расширяется.

Как я говорил ранее, с точки зрения разработчика заметна тенденция демократизации искусственного интеллекта и, в том числе, инструментария. Помимо упомянутого мной Microsoft Cognitive Toolkit, есть интересный инструмент Azure Machine Learning, позволяющий без глубокого понимания реализации всех алгоритмов машинного обучения применять их к реальным данным и смотреть, удается ли выделить какие-то закономерности и использовать их дальше в своих продуктах. Этот инструмент тоже развивается достаточно интенсивно - туда вставляются новые методы и алгоритмы.

В целом технологии становятся все более доступными. Сложные вещи упрощаются, чтобы их можно было использовать в как можно более широком наборе проектов.
Еще один момент, о котором хотелось бы упомянуть, - это пока еще первые эксперименты облачного использования более эффективных аппаратных решений, реализующих алгоритмы искусственного интеллекта. Об этом на Dotnext мы говорить не будем, но тема подробно обсуждалась на конференции Microsoft Ignite . В облаке Microsoft планирует предлагать не только классические вычислительные ресурсы, но и программируемые логические интегральные схемы: ПЛИС или FPGА. Если упростить, - это микросхемы, которые можно прошить на выполнение определенных логических операций, и которые будут выполнять эти операции очень быстро. Имея такую схему мы можем вычислять нейронную сеть намного быстрее. В ходе экспериментов процессор «прошили» на перевод с языка на язык, в результате роман «Война и мир» переводится с языка на язык за 2 секунды. Если взять все множество таких процессоров, которые есть у Microsoft в облаке, то Википедию можно перевести с одного языка на другой за время, пока человек моргает глазом.

Больше практической информации о применении нейросетей и технологий искусственного интеллекта в рамках реальных проектов (в том числе, на.NET) Дмитрий даст в своем докладе на DotNext 2017 Piter («Доступный искусственный интеллект на платформе.NET: от чат-ботов и когнитивных сервисов до глубоких нейросетей »).

Теги: Добавить метки

Тест Тюринга по сути - это проверка, отвечающая на вопрос "могут ли машины думать?". То есть это набор тестов, пройти которые может только человек или совершенный искусственный интеллект, способный мыслить таким же образом. Именно этим нам и предлагаются заняться в игре - доказать, что ты - Человек разумный. По-моему, это дело принципа!

Тем, кому пришлись по душе головоломки The Talos Principle и Portal , однозначно оценят и The Turing Test. Эти игры действительно имеют очень много схожего. Можно даже сказать, что они образуют отдельный поджанр, берущий начало именно с Портала.

Прохождение представляет собой набор логических испытаний, которые нужно последовательно решать. Основу игровой механики в The Turing Test составляют энергетические сферы, которые нужно вставляться в специальные ячейки, чтобы открывать двери, запускать механизмы и прочее. Единственным инструментом, помогающим в этом деле, является некое магнитное ружье, способное поглощать эти сферы и выстреливать их в нужное место.

Всего испытаний более 70, но многие из них пробегаются за считанные секунды. Поэтому прохождение целиком не занимает много времени. Вообще, сложных препятствий в игре мало, в основном проходится почти с ходу. Кому-то головоломки могут показаться слишком простоватыми, но меня баланс сложности устроил. Наоборот, не люблю подолгу "тупить" в таких играх.

Общая идея тоже схожа с играми, вдохновившими разработчиков. Философские и этические рассуждения об интеллекте, о разнице между человеком и машиной.

Что касается самого сюжета: главная героиня оказывается на космической станции на заснеженной поверхности Европы - спутника Юпитера. Персонал базы пропал, а управляет всем искусственный интеллект, который и встречает героиню. Ей предстоит пройти этот самый Тест Тьюринга и выяснить, что случилось с людьми. История довольно интересная, но подается настолько малыми крупицами (пару реплик компьютера в начале каждого уровня), что ее не замечаешь почти всю игру и обращаешь внимание лишь ближе к финалу.

Может ли робот написать симфонию или превратить кусок холста в шедевр искусства? Этот вопрос остается открытым. Но вот что мы знаем точно: современные медицинские нанороботы способны «перекрыть кислород» опухоли, проникнув в кровоток, и доставить лекарства к пораженным клеткам, не навредив здоровым. Нейросети вот-вот превзойдут врачей в диагностике множества болезней, а обследование с помощью технологий CRISPR cкоро можно будет провести, не выходя из дома. Будущее медицины уже наступило - узнаем, чего ждать от новых методов и как это отразится на нашем здоровье.

Диагностируй это: искусственный интеллект

Успех лечения во многом зависит от быстрой и безошибочной диагностики: для этого врачу нужно накопить немало практического опыта и быть в курсе актуальных научных работ в своей области. Но каждый месяц в печати появляется множество новых исследований и описаний клинических случаев - где найти время, чтобы изучить все это? Здесь на помощь людям приходят компьютеры, способные обрабатывать огромные объемы информации за секунды.

Сегодня алгоритмы анализа медицинских данных создают крупнейшие корпорации, в том числе Microsoft, IBM и Google. Чаще всего в основе их разработок лежат различные формы самообучающегося искусственного интеллекта, способные отыскивать закономерности в больших наборах данных, например томограмм мозга или снимков подозрительных новообразований на коже. Такие алгоритмы обучаются с помощью библиотек из тысяч примеров, где за каждым изображением закреплен диагноз, поставленный квалифицированным врачом.

Нейросети уже научились выявлять многие заболевания так же эффективно, как люди, а в некоторых случаях им даже удается превзойти специалистов.

Анализировать множество снимков позволяют сверточные нейронные сети (convolutional neural networks, CNN). Это глубокие (многослойные) структуры, в которых каждый искусственный нейрон получает лишь небольшой фрагмент выходных данных предыдущего уровня. Постепенно сеть обобщает локальные признаки, воссоздавая полную картину. Сопоставив все данные, CNN может распознавать различные детали на исходном изображении, в том числе характерные элементы, на основе которых врачи ставят диагноз.

CRISPR-технологии способны не только устранять причины заболеваний, но и выявлять болезни, например отыскивать следы ДНК или РНК возбудителей инфекций.

Если в связи с терапией чаще всего упоминают CRISPR-ассоциированный белок Cas9, то «диагностами» обычно становятся другие белки: Cas12a и Cas13a.

В 2017 году исследователи из MIT представили технологию диагностики, получившую название SHERLOCK (Specific High Sensitivity Enzymatic Reporter UnLOCKing). Она использует фермент Cas13a, способный распознавать специфические последовательности РНК и разрезать похожие нити РНК, находящиеся поблизости, полностью уничтожая подозрительный объект. Как и книжный Шерлок Холмс, медицинский SHERLOCK способен воссоздать полную картину событий по мельчайшим уликам: технология работает с аттомолярными (10–18 моль на литр) концентрациями нуклеиновых кислот. Метод испытали на лентивирусах, содержащих фрагменты вируса лихорадки денге и вируса Зика: SHERLOCK смог обнаружить частицы патогенов и отличить их друг от друга при концентрации не более двух аттомоль.

В процессе испытаний выяснилось, что реактивы для диагностики с помощью SHERLOCK можно высушивать, а затем восстанавливать, при этом чувствительность метода падает ненамного. Для портативных тестов предлагают использовать стекловолокнистую бумагу. Авторы разработки считают, что одна тест-система обойдется примерно в 61 цент.

Над созданием наборов для CRISPR-обследований в домашних условиях работают и другие исследователи. Недавно разработки в этой области начала Дженнифер Дудна - одна из пионеров медицинской CRISPR-революции. Ее команда создала метод под названием DETECTR (DNA endonuclease-targeted CRISPR trans reporter), использующий белок Cas12a. Он находит определенные последовательности ДНК и разрезает ближайшие добавленные в образец репортерные молекулы нуклеиновой кислоты с флуоресцентной меткой, подавая сигнал. Таким образом можно обнаружить следы возбудителей многих заболеваний, включая разные штаммы вируса гриппа.

По словам создателей таких тест-систем, CRISPR-анализ займет не дольше нескольких часов, а результаты можно будет получить через интернет. Впрочем, когда такие наборы появятся в открытой продаже, пока неизвестно.

Это иллюзия: виртуальная реальность

О виртуальной реальности чаще говорят в контексте компьютерных игр и «объемного кино», но у технологии есть потенциал и в медицине, причем не в самых очевидных областях. Например, VR эффективно используют в качестве обезболивающего.

В ожоговом отделении больницы Университета Лойолы в Иллинойсе такой подход начали применять еще десять лет назад: во время болезненных процедур пациенты госпиталя играют в симулятор SnowWorld .

Действие разворачивается на фоне полуфантастических северных пейзажей со множеством сугробов и замерзших рек, задача героя - играть в снежки с полярными медведями, пингвинами и снеговиками. Чтобы пройти все уровни, пациент поневоле сосредотачивается на головоломке и отвлекается от физических ощущений. Результаты МРТ-обследований мозга показали, что SnowWorld действительно смягчает восприятие боли, поэтому пациенту требуется меньше сильных обезболивающих средств, которые могут навредить организму.

VR заменяет или дополняет болеутоляющие во многих сферах медицины. Технологию используют , чтобы облегчить боли при родах и во время стоматологических процедур. Обезболивающие свойства виртуальной реальности особенно актуальны в свете «опиоидного кризиса» в США - его связывают с ростом популярности рецептурных обезболивающих (например, оксиконтина и викодина) в последние десятилетия.

VR работает не только при физической боли: она способна победить и психологическую травму. Первые эксперименты прошли в конце 1990-х, тогда психологу Барбаре Ротбаум удалось облегчить симптомы посттравматического стрессового расстройства у ветеранов Вьетнама при помощи виртуальных моделей кабины вертолета и поляны в азиатских джунглях. Эта методика дополняла экспозиционную терапию - постепенное «приближение» к травмирующим воспоминаниям, которых сознание пациента старается избегать. Похожая схема работает при лечении тревожных расстройств и фобий с помощью виртуальной реальности. Технология помогает справиться с аэрофобией и боязнью публичных выступлений: смоделированная среда дает возможность многократно «репетировать» пугающую ситуацию.

Минусы VR-терапии - сравнительно высокая стоимость оборудования и потенциальная физиологическая непереносимость виртуальной реальности.

Некоторые участники испытаний новых методов лечения сталкивались с VR-«тошнотой» (virtual reality sickness), при ней возникают те же симптомы, что и при укачивании в машине или морской болезни. Согласно распространенным гипотезам, оба расстройства возникают из-за нарушений работы рецепторов вестибулярного аппарата или конфликта между сигналами, поступающими от вестибулярного аппарата и органов зрения.

Разработчики уже создали несколько методов, способных уменьшить VR-«тошноту». Например, на экране можно размещать неподвижный объект, который глаза пользователя будут фиксировать постоянно. Авторы технологии Nasum Virtualis предлагают использовать в качестве точки отсчета виртуальное изображение носа, размещенное в центре экрана. Глаза игрока воспринимают его как собственный нос, поэтому ощущение тошноты и головокружения отступает.