Искусственный интеллект будет подбирать индивидуальный учебный план
В сфере образования технология ИИ будет применяться всё чаще. Вот прогноз одного из отчётов: «В течение следующих пяти лет темпы внедрения ИИ в образование резко возрастут. Ожидается, что к 2025 году глобальные расходы достигнут 6 миллиардов долларов. Наибольший рост придётся на Китай, за которым следуют США. На долю этих стран в совокупности приходится более половины общемировых расходов на ИИ в образовании».
Как это работает
Машинное обучение — это область искусственного интеллекта, в которой компьютеры учатся на основе данных, а не следуют набору программных инструкций. При соблюдении правильных условий алгоритмы машинного обучения со временем становятся более точными, поскольку обрабатывают всё больше данных.
Одна из областей, в которой, согласно прогнозу, влияние ИИ и машинного обучения вырастет, — персонализированное обучение. Такой контент, как явствует из опроса Learning House, предпочитает более 60% учащихся.
Системы автоматической рекомендации взаимодействуют со студентом в зависимости от его поведения, профиля и успеваемости. Система отслеживает, насколько студент разобрался в теме или освоил навык с помощью тестирования, и рекомендуют другие учебные материалы. Это могут быть видео, игры, практические задачи и другие виды контента. Кроме того, индивидуальные учебные планы, построенные с помощью ИИ и машинного обучения, могут увеличить мотивацию и уменьшить количество бросивших курс.
Ещё одним способом применения ИИ в образовании может отбор абитуриентов и автоматизация рутины — например, выставление оценок, создание тестов и так далее. ИИ уже позволяет решить задачу добавления метаданных и тегов к учебным материалам — это ручной трудоёмкий процесс, который требует, чтобы человек прочитал текст и расставил теги. Таким образом, в учебном чате, где выкладываются задания и ответы на вопросы студентов, нужную тему будет легко найти с помощью тега. Это упрощает навигацию, сокращает время на поиск нужных материалов.
Где-то это уже используют?
Одна из основных задач ИИ в образовании — определить, что ученик знает, а что нет, с помощью тестирования, а затем составить индивидуальную учебную программу. Как говорит Дерек Ли, основатель китайского EdTech-единорога Squirrel AI: «За три часа мы понимаем студентов лучше, чем первоклассные преподаватели, которые провели с ними три года».
Ещё один пример — платформа Century Tech. Ученики занимаются математикой и английским, а система анализирует, как они справляются с различными заданиями и темами. Платформа использует знания о работе мышления и памяти и анализ данных, чтобы выявлять пробелы в знаниях учащихся, рекомендует учебные материалы и автоматически отмечает ответы. Учителя могут следить за успеваемостью отдельных студентов и всего класса через панель управления.
Помимо тестов, ИИ применяют для оценки рукописных работ учащихся. Один из примеров — Gradescope, онлайн-приложение для выставления оценок, разработанное группой исследователей Калифорнийского университета в Беркли. Чтобы обучить алгоритм воспринимать рукописные ответы, разработчики использовали библиотеку глубокой нейронной сети cuDNN и вычислительную структуру для построения моделей машинного обучения. Теперь приложение, способное распознавать и анализировать содержание работ, сокращает время выставления оценок на 50–75%.
, в ближайшем будущем устройства с искусственным интеллектом смогут даже читать выражения лиц учащихся при помощи камер. Анализируя реакции и мимику, они смогут определять, испытывают ли ученики проблемы с усвоением информации. Это даст возможность адаптировать программу под конкретного ученика и повысить его мотивацию, что в условиях онлайна зачастую сложно. Более подробных описаний технологии пока нет.
«Действительно крупные платформы часто сталкиваются с проблемой мотивации студентов
К сожалению, при большом количестве студентов зачастую нет возможности уделить должное внимание проблемам каждого из них. Работа в небольших группах с „закреплённым“ куратором как в онлайне, так и в офлайне решает эту проблему
Именно так мы стараемся поступать на наших курсах. Нужно понимать, что к онлайн-занятиям нужно подходить не так, как к офлайну. И большинство российских образовательных платформ пока находится в самом начале этого пути и учится применять наиболее эффективные подходы и технологии в обучении», — говорит основатель курсов Learn Python Валентин Домбровский.
Специалист по работе с данными
«Хотя ИИ будет справляться с большей частью рутинных IT решений, которые сейчас принимаются людьми, он сильно зависит от данных, которые организованы, очищены и снабжены семантическим значением», — говорит Даг Бордонаро, главный специалист по информационному пропагандированию в компании ThoughtSpot. «Сегодня аналитики и специалисты по математическому моделированию разделяют эту функцию, но эти позиции в основном ответственны за обеспечение понимания ситуации и нахождение решений. По мере того, как ИИ сможет принять на себя «инсайтную» часть работы, мы увидим новую роль для специалистов по работе с данными, которые будут сфокусированы на подготовке данных для использования в алгоритмах ИИ внутри организации».
Свой язык
21 июня 2017 года исследователи лаборатории искусственного интеллекта Facebook (FAIR) отключили роботов, которые начали общаться на собственном языке.
Боб: Я могу могу ЯЯ всё остальное.
Элис: Шары имеют ноль для меня для меня для меня для меня для меня.
Хотя роботам удалось заключить несколько сделок, разработчики отказались от наблюдения за ними и отключили их. Целью эксперимента было создание искусственного интеллекта, который смог бы коммуницировать с людьми и продавать те или иные вещи, но язык, который роботы сконструировали на основе английского, для этого совершенно не подходил.
Боты начали придумывать свой язык, потому что так им проще общаться. Программа не подразумевала вознаграждения за использование понятного английского, так что боты просто выбрали лёгкий путь. Кстати, чуть раньше другой бот Facebook научился блефовать и обманывать — делать вид, что какой-то предмет ему совершенно не нужен, и приобретать его за бесценок. Робот тренировался продавать книги, кепки и мячи и изучил 5800 реальных человеческих переговоров, собранных при помощи краудсорсинговой онлайн-платформы Amazon Mechanical Turk.
Анализируя диалоги, бот научился импровизировать и придумывал новые фразы и предложения.
Facebook подчёркивает, что причин для беспокойства нет. Был проведён научный эксперимент, он закончен, и его результаты не вызывают тревоги. Компания продолжит работу над совершенствованием ботов, которые в будущем смогут заменить кол-центры и службы поддержки больших компаний.
Почему обезьяны не превращаются в человека сейчас
Всё просто — в этом нет необходимости. Наши далёкие предки эволюционировали, потому что попали в довольно экстремальные условия, где выживали не только сильнейшие, но и умнейшие — эти свойства передавались из поколения в поколение, пока не стали присущи всему виду. Современные приматы существуют в относительно комфортных для них условиях, а значимые эволюционные изменения произойдут только при необходимости. Это может быть перемена климата или условий окружающей среды. При этом маловероятно, что условия сложатся именно такие, что обезьяны начнут проходить такой же путь, который прошел человеческий вид. Эволюция полна случайностей и зависит от многих факторов.
К тому же эволюционная ниша самого разумного вида уже занята. На протяжении миллионов лет возникали и другие виды, которые могли претендовать на господство на планете в будущем. Но Человек разумный оказался наиболее приспособленным и вытеснил других.
Спектр верований
Несколько лет назад Бен Касноча высказал мне идею, которую я не смог опровергнуть: люди, которые, похоже, изменили наше сознание, – это те, с кем мы согласны по 98 процентам вопросов.
Если некто, кого вы знаете, который вам нравится и которому вы доверяете, верит в какую-то радикальную идею, вы с большей вероятностью придадите ей значение, вес или обратите внимание. Вы уже согласны с ним в большинстве областей жизни
Может быть, вы должны изменить свое мнение и об этой идее тоже. Но если кто-то сильно отличающийся от вас, предлагает ту же самую радикальную идею, вы легко отвергнете ее как бредовую.
Один из способов визуализировать это различие – составить спектральную карту верований. Если вы разделите весь спектр на 10 единиц и окажетесь в позиции 7, то нет смысла пытаться убедить кого-то из позиции 1. Разрыв слишком велик. Когда вы находитесь в позиции 7, вам лучше общаться с людьми, которые находятся в позициях 6 и 8, постепенно перетягивая их на вашу сторону.
Самые горячие споры обычно происходят между людьми на противоположных концах спектра, но обучение чаще всего происходит от людей, находящихся поблизости. Чем ближе вы к кому-то, тем больше вероятность того, что одно или два убеждения, которые вы не разделяете, перетекут в ваш разум и сформируют ваше мышление. Чем дальше идея находится от вашей текущей позиции, тем больше вероятность, что вы отклоните ее полностью.
Когда дело доходит до изменения сознания людей, очень трудно переметнуться с одной стороны на другую. Вы не можете прыгать по спектру. Вы должны скользить по нему.
Любая идея, которая достаточно сильно отличается от вашего нынешнего мировоззрения, будет ощущаться как угроза. И лучшее место для размышления над угрожающей идеей – в неугрожающей среде. В результате книги часто являются лучшим средством для трансформации убеждений, чем переговоры или дебаты.
В переговорах люди должны тщательно обдумать свой статус и внешность. Они хотят сохранить лицо и не выглядеть глупо. Столкнувшись с неудобными фактами, люди скорее начнут с удвоенной силой отстаивать свое текущую позицию, чем публично признают свою неправоту.
Книги разрешают это напряжение. С книгой переговоры происходят в голове человека и без риска быть оцененным другими. Проще быть непредубежденным, когда ты не чувствуешь себя обороняющимся.
Какие качества нужны, чтобы стать специалистом в области ИИ
Все, кто решил связать свою жизнь с искусственным интеллектом, должны понимать: придется много учиться и постоянно совершенствоваться. По этой причине лучше сразу соизмерить свои силы и возможности. При выборе профессии в области искусственного интеллекта работнику понадобятся такие качества как:
- аналитический склад ума;
- усидчивость и старательность;
- креативность;
- привычка доводить дело до конца;
- умение мыслить нестандартно.
Если таких качеств у вас нет, то не стоит расстраиваться, их можно развить. Главное, выбрать удобный для себя формат обучения.
Кстати! Для наших читателей сейчас действует скидка 10% на любой вид работы.
Инженер по искусственному интеллекту (ИИ)
Инженер с искусственным интеллектом хорошо знает, как предвидеть проблемы бизнеса, благодаря своим огромным знаниям и бесчисленному опыту. Обладая ГЛАВНОЙ эффективностью управления современной инфраструктурой искусственного интеллекта, заинтересованный человек может не только разрабатывать, но и применять и тестировать алгоритмы искусственного интеллекта, необходимые для удовлетворения растущих требований пользователей или клиентов. Представляете, сколько человеку будут платить ежегодно? Согласно нескольким стандартным отчетам об исследованиях, такие профессионалы с опытом работы около 1 или 2 лет, без всяких сомнений, получают от 8 до 14 лакхов в год. Итак, если вы заинтересованы в прогнозировании точных и эффективных бизнес-решений с помощью правильной экономической статистики или применяемого НЛП, то эта востребованная должность теперь может быть адаптирована для лучшего карьерного роста.
Этические проблемы выходят на первый план
Технологии не помогут решить социетальные проблемы, они, скорее, будут только по-новому проявлять существующие напряжения и конфликты, заодно создавать новые (например, типы неравенства). ИИ это касается особенно, потому что как бы он ни обучался, обучаться он будет у всех пользователей и подстраиваться под цели без определенной оценки.
Вот несколько примеров ошибок или смещений из того же профессионального отчета State of AI. Они более релевантны американскому контексту, но много говорят о тех данных, на которых учатся машинные алгоритмы:
Среди причин таких смещений разработчики называют стереотипы, которые наиболее распространены в сети, ошибки распознавания изображений (и их категоризацию), слабую представленность в базах данных и в сети вообще.
То есть «виноватыми» оказываются и недоработанные алгоритмы, и смещенные данные, на которых обучаются эти алгоритмы. Такие ошибки становятся всё более и более системными из-за неконтролируемого потока собираемых данных, а их обработка требует не только обновления вычислительных мощностей, но и новых принципов работы как с базами, так и алгоритмами.
Голосовые помощники могут очень быстро расистами, сексистами и матерщинниками.
Иногда и политически настроенными: первые возмущения по поводу голосового помощника Алиса от «Яндекса» были, среди прочего, связаны с тем, что ее персонажу меняют политические взгляды по необходимости. Поэтому разработчикам быстро пришлось влезать в нейросеть «руками» и устанавливать какие-то границы и нормы того, что должен или не должен делать голосовой помощник. Голосовые помощники — еще одно напоминание о том, что ИИ (как и любая технология) может быть использована не по тому разумному и доброму предназначению, о которой мечтали ее первые разработчики.
Смещения в данных влияют на настройку и работу алгоритмов, поэтому отдельной задачей разработчиков становится проверка стандартов для обработки и устранение причин ошибок в данных. Но при этом надо избегать техноцентристского стремления упростить и категоризовать все социальные явления, а учитывать особенности различных обществ. Так, в алгоритмах сейчас слабо отражено разнообразие социальных групп (женщины, меньшинства и т. п.), редкие и частные социальные феномены.
Разработчики продолжают стремиться сделать ИИ «человечнее», социализировать его правильно. Одна из самых известных профессиональных ассоциаций инженеров IEEE подробно изучает вопрос этических рекомендаций для ИИ-специалистов.
Они советуют разработчикам в процессе производства технологий думать не только над решением технических задач, но и понимать причины и последствия своей деятельности. В этом смысле комментарий Тан Сяоу противоречит логике осознанного производства: технологии не просто создаются, чтобы заработать денег, они точно будут вызывать социальные эффекты (в случае китайской системы — поддерживать и укреплять тоталитарное государство или даже развязать новую технологическую гонку).
В попытках преодолеть технократический подход к развитию ИИ они предлагают учитывать то, как по-разному этические вопросы решаются в разных (со)обществах, включая социально-ориентированные НКО. IEEE привлекают разных участников к разработке рекомендаций, чтобы у представителей разных групп была возможность озвучить свои предложения и предостережения в отношении развития ИИ.
Этот тренд существенно усложняет дело разработчиков, потому что добавляет такое же бесконечное количество неизвестных переменных в алгоритмы, с которым пытаются справляться социальные ученые в своей профессиональной деятельности — да и люди в своей повседневности.
Проблемы развития технологий ИИ
Конечно, нельзя сказать, что возможности ИИ абсолютно не имеют границ. Ведь имеются некоторые сложности:
- Машины способны обучаться только на массиве данных, что говорит о неправильном итоговом результате при малейших неточностях.
- Существует ограничение каким-то конкретным видом деятельности, оно и понятно, система, которая распознает лица в смартфоне не будет пригодна для выявления махинаций в сфере банковского обслуживания.
- Автономных интеллектуальных машин – нет. Нужны огромные ресурсы и достаточное количество профессионалов своего дела, чтобы машина работала, как нужно.
Понимание того, что такое ИИ и что таковым не является
Искусственный интеллект уже стал модным маркетинговым выражением, которое у всех на слуху и используется где ни попадя. Это напоминает то, что мы когда-то пережили с употреблением слова «робот». Теперь нам, как и с роботами, кажется, будто все обладает потенциалом ИИ. Действительность же такова, что иногда трудно определить, что по своей сути является ИИ, а что нет. Даже эксперты колеблются, когда дело доходит до окончательного определения того, имеет нечто конкретное в своей основе ИИ или нет. Как отмечает Брукс, то, что считалось искусственным интеллектом в 1960-х гг., теперь преподается на первом курсе по компьютерному программированию, но уже так не называется и даже не относится к этому понятию.
«В какой-то момент что-то называется ИИ, — говорит Брукс. — А потом это становится просто информатикой».
Подмножествами ИИ (как мы понимаем это в текущий момент) являются машинное обучение и все его вариации, включая глубокое обучение, обучение с подкреплением сигналами от среды взаимодействия и имитационное обучение.
«Какое-то время ИИ был очень узким понятием. Некоторые люди видели его как очень конкретный набор методов, основанных на поиске, — говорит Кен Голдберг (Ken Goldberg), директор Центра новых технологий (CNM, Беркли) и профессор на кафедре инженерных исследований Калифорнийского университета в Беркли (University of California, Berkeley). — Теперь ИИ рассматривается как широкий термин для робототехники и машинного обучения, поэтому сейчас он охватывает целый ряд дополняющих понятий и областей».
Передовые современные системы компьютерного зрения — это, безусловно, форма ИИ. «Если вы просто проверяете, находится ли винт в нужном месте, как было еще в 1960-х гг., то это чересчур просто, чтобы назвать ИИ, — поясняет Голдберг. — Но в то же время, когда система компьютерного зрения может распознать лица рабочих, мы обычно думаем об этом как об ИИ, поскольку решается гораздо более сложная задача».
Теория попадания на Землю осколка Марса
Импактная теория не выделяет какого-то конкретного места происхождения астероидов. Однако группа ученых, исследовавших марсианские метеориты, придерживаются гипотезы о том, что жизнь зародилась после столкновения Марса с крупным космическим телом. Осколки красной планеты достигли Земли и принесли на себе уникальный микробиом. Атмосфера и климат оказались пригодными для активного размножения бактерий и дальнейшего запуска процесса естественной эволюции.
Фотография NASA
Теория марсианского происхождения жизни была выдвинута еще в 1996-м году, когда ученые обнаружили окаменелые следы бактерий. В 2018-м году американский марсоход Curiosity обнаружил аналогичные следы непосредственно на Марсе, что только привлекло интерес к «марсианской гипотезе».
Tesla Bot: пункт назначения — Марс?
Прототип Tesla Bot, скорее всего, не будет дотягивать до параметров, представленных на презентации. На первом этапе задача робота состоит в демонстрации технологии и сборе данных. «Маск может вначале продать или просто отдать несколько роботов, — говорит специалист по ИИ Роман Душкин, — чтобы они работали в разной обстановке: один в городе, другой — в деревне, третий — в горах. А потом собранные датасеты объединят и используют для обучения следующего поколения».
Душкин также полагает, что у Илона Маска есть планы применить Tesla Bot для освоения космоса и создания колонии на Марсе. Над реализацией проекта работает его SpaceX.
Роман Душкин рассуждает о космических перспективах Tesla Bot
«Илон — упёртый человек, — говорит Душкин, — и вряд ли он будет делать что-то, выбивающееся из его стратегической линии. Даже строительство тоннелей и проект Hyperloop он рассматривает в контексте постройки баз на Марсе».
Но проблема в том, что космическая радиация, скорее всего, сделает будущих колонистов Марса инвалидами. И здесь на помощь Илону придут его роботы. Вначале они могут строить базу на другой планете, готовя всё необходимое для прибытия людей.
На следующем этапе Tesla Bots послужат людям в качестве искусственных тел. Развитие проекта по чтению мыслей Neuralink, который также продвигает Маск, позволит перенести сознание человека внутрь робота. Его железно-пластиковое тело лучше приспособлено к космическим полётам, чем наше биологическое. Идея близка философии трансгуманизма.
По мере совершенствования роботов Маск начнёт отправлять их в космос. Вначале — на околоземную орбиту, затем — на Луну и Марс. При этом возможность передачи сознания андроидам породит ряд этических проблем, которые, вероятно, заставят нас пересмотреть представления о самих себе.
Да, выглядит как фантастика. Но это фантастика может стать реальностью уже в ближайшее десятилетие. Илону Маску не привыкать реализовывать фантастические проекты, которые меняют жизнь людей. И мы с большим интересом продолжим наблюдать за тем, как он будет это делать.
Подходы к созданию искусственного интеллекта
В первую очередь следует выделить общий подход к созданию искусственного интеллекта, который предполагает, что он будет способен к проявлению поведения, которое не будет отличаться от человеческого. Кстати, представленную идею можно назвать обобщением подхода теста Тьюринга, согласно которому машину можно считать разумной тогда, когда она будет в состоянии вести беседу с обычным человеком, и он не сможет отличить её от другого человека, при условии, что беседа идёт в письменной форме.
Второй подход принадлежит писателям-фантастам. Он говорит о том, что искусственный интеллект появится тогда, когда машина сможет творить и чувствовать. Но этот подход не способен выдержать критики, если рассмотреть его более детально. Например, создать машину, которая будет производить оценку каких-либо параметров внутренней или внешней среды и как-то реагировать на них, по большому счёту, не сложно. Учитывая то, что датчики будут реагировать на определённые раздражители, про такой механизм уже можно сказать, что у него есть «чувства».
Третий поход называется символьным. По сути, именно он был изначально свойственен эпохе цифровых машин. После того как был создан первый язык символьных вычислений, разработчики стали уверены, что есть шанс и практической реализации искусственного интеллекта с помощью технологии символьных вычислений, благодаря чему стало бы возможным иметь дело со слабоформализованными смыслами и представлениями.
Был и логический подход к созданию искусственного интеллекта, основанный на моделировании рассуждений, и главным козырем которого являлась логика. Но с 90-х годов прошлого века начал развиваться агентно-ориентированный подход, основанный на применении интеллектуальных агентов и предполагающий, что интеллект является конкретно вычислительной составляющей потенциала машины достигать поставленные перед ней цели.
А в итоге появился гибридный подход, главная идея которого заключается в том, что только комплексное использование символьных и нейронных моделей поможет достичь полноценного спектра вычислительных и когнитивных возможностей. К примеру, нейронные сети могут генерировать экспертные правила рассуждений, а посредством статистического обучения можно сформировать порождающие правила.
Теперь же вернёмся к тесту Алана Тьюринга.
Что пугает разработчиков, или Механизмы принятия решений ИИ
Игры с возможностями ИИ вызывают серьезные вопросы. Далеко не во всех областях мы готовы впускать алгоритмы в производственные процессы — и уж точно не в управление или принятие жизненно важных решений. В этом смысле искусственный интеллект беспокоит разработчиков не меньше, чем простых людей. В этом признались эксперты — авторы отчета Исследовательского института AI Now в Университете Нью-Йорка за 2017 год. Основное беспокойство вызывают черные ящики, которые создают закрытые алгоритмы внутри себя. Проблема с черными ящиками называется проблемой объяснимости ИИ. Когда чат-боты Facebook столкнулись с барьером — не получили одобрения от операторов-людей, — то стали обходить его, придумывая новые запросы. Разработчики обнаружили диалог ботов, в котором слова ничего не значили с точки зрения человека, но в нем боты скооперировались с неясной целью. Ботов отключили, но осадочек остался.
Гипотеза доктора Сильвера
Еще в прошлом веке были выдвинуты первые предположения о том, что Земля — это большой подопытный пункт или даже тюрьма для худших представителей инопланетной расы. Изначально предположения о том, что люди были привезены на новую планету с целью эксперимента, высказал американский астроном Джон Болл. Правда его утверждение больше касалось парадокса Ферми (еще одной загадки на тему того, одни ли мы во вселенной).
Идею мистера Болла высказывал и Циолковский, который считал, что инопланетяне знают о нас и наблюдают за нами. Правда высказывание русского изобретателя долго отказывались публиковать, поэтому авторство «теории зоопарка» приписывают американским ученым.
За два года до смерти К. Э. Циолковский в философской заметке, сформулировал парадокс Ферми, и предложил в качестве его разрешения гипотезу зоопарка.
Больше всего информации и доказательств гипотезы собрал доктор Сильвер. Исследователь эволюции приводит следующие аргументы в пользу того, что родиной человечества была не Земля.
- Боли в спине периодически испытывает практически каждый. Это значит, что первые люди были рождены и эволюционировали на планете с меньшей гравитацией.
- Плохая устойчивость к воздействию ультрафиолета. Кожа человека краснеет и облазит даже после непродолжительного времени, проведенного под открытым солнцем.
- Большое количество болезней, по мнению доктора Сильвера, также является доказательством того, что организм человека плохо приспособлен к существованию в земных условиях.
У теории множество противников, но разные элементы гипотезы использовали в своих трудах даже ученые NASA. Так что вполне вероятно, что наша жизнь задумывалась как большое реалити-шоу или лаборатория для разнообразных экспериментов.
Некоторые склоняются к тому, что Земля является не зоопарком, а тюрьмой для худших представителей инопланетной расы. Как только человечество эволюционным путем придет к гармоничному сосуществованию, перестанет разрушать планету и уничтожать слабых соседей, внеземной разум обязательно выйдет на связь.
