Еще раз важность этой темы подчеркнул Президент России Владимир Владимирович Путин. Проводя в День знаний Всероссийский открытый урок «Россия, устремлённая в будущее», он отметил: «Кто станет лидером в сфере искусственного интеллекта – будет властелином мира. Чтобы не отстать, надо работать над этим уже сегодня».
О перспективах работ по данной тематике, проводимых в Южно-Уральском государственном университете, рассказывает проректор по информатизации ЮУрГУ, доктор физико-математических наук, профессор, заведующий кафедрой системного программирования Леонид Борисович Соколинский.
– Леонид Борисович, что такое искусственный интеллект? И как можно узнать, что он уже создан?
– На самом деле определений много. В настоящее время под ним обычно понимают механические или цифровые устройства, способные выполнять творческую работу, например, сочинять стихи, писать картины, вести диалог. Ещё в 1950 году известный британский математик, логик и криптограф Алан Тьюринг в статье «Вычислительные машины и разум» сформулировал определение искусственного интеллекта, полагая, что он будет реализован с помощью вычислительных машин. Этот учёный придумал такой тест. Представьте две изолированных друг от друга комнаты. В первой стоит компьютер, во второй два, эти два связаны с первым локальной сетью. В одной комнате сидит человек, выполняющий тест. Во второй другой человек набирает ответы на вопросы, присылаемые с первого компьютера. Эти люди друг друга не видят. На третьем компьютере установлена программа, реализующая искусственный интеллект, которая тоже отвечает на вопросы, присылаемые с первого компьютера. Если человек из первой комнаты не сможет определить, где отвечает человек, а где работает программа, это будет означать, что искусственный интеллект создан. Но такое формализованное определение искусственного интеллекта, к сожалению, очень неточно и нечётко.
Сами по себе современные компьютеры, даже самые мощные, никаким интеллектом не обладают. Всё, что они могут делать – это исполнять написанные людьми программы, иногда весьма сложные. Известно, что сейчас ЭВМ могут очень хорошо играть в шахматы. Например, в 1997 году машина Deep Blue обыграла чемпиона мира Гарри Каспарова. Можно ли сказать, что на этой электронной вычислительной машине реализован искусственный интеллект? Лишь частично, так как там работает очень мощная программа, которой занимались несколько гениальных программистов. Но эта программа работает по иным законам, там другой механизм принятия решений, отличный от того, который использует человеческий мозг при игре в шахматы.
Достаточно быстро пришло понимание: если эту программу изолировать, не давать программистам доступа к ней, то гроссмейстер, мастер спорта и даже просто очень способный шахматист за непродолжительное время нащупает её уязвимые места, где она регулярно будет ошибаться. Это принципиальный вопрос: в отличие от человека программа станет делать ошибки в определённых ходах – и каждый раз проигрывать, поскольку без помощи программистов, самостоятельно, обучиться не способна. Программисты могут находить недочёты, что-то исправлять, дописывать, совершенствовать программу в течение нескольких лет. И это огромный человеческий труд – но это не есть искусственный интеллект.
– А как вы считаете, что такое искусственный интеллект?
– Я бы дал следующее определение: искусственный интеллект – это интеллект, основанный на реализации искусственных нейронных сетей (ИНС) и их обучении. Искусственные нейронные сети – это довольно сложные программы, которые с помощью математической модели воспроизводят работу нейронов.
При этом я бы пока не стал говорить об искусственном интеллекте, который пишет стихи, подобно Шекспиру, романы, как Лев Толстой, картины, как Ренуар, играет в шахматы, как Алёхин. Для начала поговорим об искусственном интеллекте, способном справиться с заданием, которое посильно муравью или пчеле. Например, роботу нужно добраться до определённого пункта, выбрав оптимальный путь. Направление может быть задано по-разному: к примеру, геомагнитным полем – по которому, как известно, способны ориентироваться многие живые существа, в частности насекомые. Робот этот может быть оснащён относительно небольшим компьютером, размером со смартфон, с малым энергопотреблением, но на котором реализована искусственная нейронная сеть.
Очень важно: такая сеть должна быть обучена. Реализовать искусственную нейронную сеть относительно просто, главная трудность заключается в том, чтобы научить её решать задачи – причём относительно несложные, которые под силу любому муравью: например, попасть из пункта А в пункт Б, и при этом обойти все препятствия. А затем, как бы наращивая этот искусственный нейронный мозг, можно браться за всё более сложные задания.
– А как устроена искусственная нейронная сеть?
– Нейроны соединены связями, которые имеют вес. На вход нейронной сети подаются сигналы – например, зрительные образы. На выходе – несколько нейронов, из которых срабатывает только один, который классифицирует этот образ. То есть на ЭВМ моделируется мозг – пока что ещё очень маленький.
У связей свой вес, который способен усиливать или, наоборот, ослаблять посылаемый им сигнал. На вход подаётся, например, фотография животного, а количество входных нейронов равно числу пикселей на этой картинке. Нейроны, получив на вход эти пиксели, сигнализируют следующим нейронам. Некоторые связи этот сигнал усиливают, другие, наоборот, тормозят. Соответственно, нейроны, получив сигнал, сами генерируют сигналы другим нейронам. Возбуждение передаётся по цепочке от нейрона к нейрону, и на выходе их три: если возбудился один, на фото была кошка, если второй – собака, если третий – неопознанный объект. Реально работающие искусственные нейронные сети могут сегодня решать такие задачи.
– Можете назвать примеры применения подобных сетей в настоящее время?
– Да, это распознавание изображений, дорожных знаков, эмоций, рукописного текста, объектов и препятствий перед роботом, прокладка маршрута движения самоуправляемых автомобилей. Например, искусственная нейронная сеть может реагировать на мимику, жесты, позы испытуемого при психологическом тестировании – в частности, таким образом можно определить, улыбается человек или нет. Для решения подобных задач нужны искусственные нейронные сети, состоящие из нескольких миллионов нейронных узлов. Для сравнения: в головном мозге человека примерно 50–100 миллиардов нейронов.
Отмечу, что говорят об искусственных нейронных сетях уже довольно давно. Первый теоретический труд на эту тему опубликован американскими учёными Маккалоком и Питтсом в 1943 году. После этого увидело свет много теоретических работ по этой теме. Однако претворить теорию в практику до недавнего времени было невозможно, поскольку не существовало компьютеров необходимой мощности, позволяющих реализовывать и, самое главное и сложное, обучать искусственные нейронные сети.
– В чём заключается сложность?
– Чтобы сделать искусственную нейронную сеть, нужно продумать её правильную структуру, в противном случае задача будет решаться неудовлетворительно или не будет решаться вовсе. Кроме того, нет никаких алгоритмов, чётких методов, как нужно строить ИНС для решения той или иной задачи. Здесь учёные идут на ощупь, методом проб и ошибок. Это первая проблема. Тем не менее, на сегодняшний день достигнуты достаточно большие успехи.
Далее. Вновь созданная искусственная нейронная сеть, можно сказать, девственно чиста, никаких знаний в неё пока не заложено, а значит, и никакие задачи она решать не может. Помните, как главная героиня в фильме «Пятый элемент» обучается, читая электронную энциклопедию? Точно так же, создав ИНС, её нужно обучить решению конкретных задач. Во время обучения происходит настройка весов соединительных связей между нейронами, усиливающих или, наоборот, уменьшающих сигнал. Есть несколько методов обучения искусственных нейронных сетей. Один из основных состоит в том, что формируется очень большая база данных образцов – счёт их идет на тысячи, а то и на миллионы. Для каждого из них нужно записать правильный ответ, который должна сгенерировать нейронная сеть – задача физически и технически простая, но очень ресурсоёмкая, потому что дать правильный ответ может только человек. Чтобы научить нейронную сеть, например, отличать собаку от кошки, люди должны занести в базу данных миллионы фотографий собак и кошек и каждую пометить: это кошка, а это собака, – работа довольно тяжёлая. Это так называемый метод обучения с учителем. Есть методы обучения нейронных сетей без учителя, но они подходят далеко не ко всем задачам. Это – вторая проблема.
А затем начинается обучение: сети в случайном порядке даются эти образцы, и она выдаёт ответ – например, неправильный, который сравнивается с правильным, и по определённым математическим алгоритмам происходит перенастройка внутренних весов связей в сети. Чтобы обучить искусственную нейронную сеть, нужен очень мощный вычислитель – суперкомпьютер. Он многократно подаёт на вход ИНС оцифрованные образцы, на выходе сравнивает ответ с правильным и сообщает обучающей программе, насколько искусственная нейронная сеть ошиблась. Обучающая программа производит настройку весов. Даже на современных суперкомпьютерах этот процесс занимает дни и недели. На самых мощных суперЭВМ, созданных лет 20 назад, на обучение искусственной нейронной сети потребовалось бы сто или даже двести лет. Это – третья проблема. Поэтому-то системы на основе ИНС появились совсем недавно, когда человечество научилось делать достаточно мощные процессоры и суперкомпьютеры, которые и используются для обучения ИНС.
– А можно ли пойти другим путём: научить компьютер отличать собаку от кошки, не создавая такие огромные базы данных?
– Есть очень сложные математические алгоритмы, которые способны решать подобные задачи без таких баз данных, без обучения через фотографии. Они могут выделять контур, сравнивать геометрию, например, ушей животного, то есть построить некоторую геометрическую модель кошки. Такие алгоритмы хорошо известны и достаточно мощны – но могут решать только те задачи, которые в них заложены. А вот искусственные нейронные сети – инструмент универсальный. Да, их нужно обучать, но потенциально они способны решать широкий круг задач, которые характерны для искусственного интеллекта и которые с помощью численных алгоритмов решаются очень тяжело. Например, если кошка стоит боком или сидит спиной – это становится уже сложной математической задачей. Если искусственную нейронную сеть обучить распознавать собак, кошек, дорожные знаки, рукописный шрифт, ей будет достаточно одного процессора наподобие тех, что используются в современных смартфонах.
– А сможет ли такая искусственная нейронная сеть научиться выполнять несколько задач? Или она способна делать только что-то одно?
– Всё зависит от количества искусственных нейронов, от базы данных образцов и от мощности вычислительной техники, с помощью которой будет осуществляться обучение. В настоящее время искусственные нейронные сети обучают решению только какой-то одной задачи, поскольку это сложно и очень трудоёмко. Но это вопрос времени. Лишь около пяти лет назад появилась вычислительная техника, с помощью которой можно обучать искусственные нейронные сети. До этого обучить нейронную сеть решению хотя бы одной задачи было невозможно – на это ушли бы десятилетия. Но прогресс не останавливается, техника развивается дальше. Ожидаем появления через несколько лет (примерно в 2020-м) экзафлопных суперкомпьютеров, которые будут производить 1018 операций в секунду. Тогда появится возможность обучать ИНС решать не одну, а несколько задач.
– С кем из живых существ можно сравнить современные искусственные нейронные сети?
– Самые примитивные живые существа, которых мы видим постоянно – насекомые, однако они решают более сложные задачи, чем вышеописанные. То есть мозг муравьёв или жуков пока что мощнее того, что создаёт сейчас человек. Искусственные нейронные сети пока лишь приближаются по своим возможностям к потенциалу насекомых. Моделирование человеческого мозга – пока ещё очень далёкая перспектива.
– То есть такого, как в фантастике, искусственного интеллекта в ближайшее время не появится, компьютеры человечество не поработят?
– Такой искусственный интеллект, как в фантастических романах и фильмах, в ближайшие годы точно не появится. Больше стоит волноваться из-за другой опасности – распространения компьютерных вирусов. Да, вирусы пишет человек, но они способны самостоятельно функционировать, заражать другие компьютеры, а это может привести и приводит к серьёзным последствиям. Например, они могут страшно навредить, если какой-либо объект инфраструктуры, промышленности, банковской системы управляется ЭВМ. По своей вредоносности и способности размножаться компьютерные вирусы похожи на обычные, биологические. Но это – тема для другого разговора.
– Можете рассказать подробнее, кто именно в ЮУрГУ и по каким конкретным направлениям работает по теме искусственного интеллекта?
– Данным направлением мы начали заниматься относительно недавно. Это связано с тем, что искусственные нейронные сети, которые и являются прототипом настоящего искусственного интеллекта, стали очень бурно развиваться благодаря успехам компьютерных наук. Международный научный совет, созданный с целью содействия реализации Программы повышения конкурентоспособности вуза в рамках Проекта 5-100 (его первое заседание состоялось в ЮУрГУ осенью 2016 года), рекомендовал нам заниматься именно этой проблемой. Ректор Александр Леонидович Шестаков поставил такую задачу, и мы начали движение в этом направлении. В частности, я сменил свою научную специальность: всю жизнь занимался системами баз данных, сейчас – системами искусственного интеллекта. На возглавляемой мною кафедре системного программирования это направление начало бурно развиваться, у нас делается много курсовых и дипломных работ по данной тематике. Этой проблематикой занимаются и на других кафедрах ЮУрГУ. Работы по искусственным нейронным сетям осуществляются на кафедре информационно-измерительной техники, которую возглавляет Александр Леонидович Шестаков. Там ИНС используются для уменьшения ошибок динамических измерений, производимых с помощью датчиков на различных технических устройствах. Также работы по этому направлению ведутся на кафедре систем автоматического управления (заведующий – доктор технических наук Владимир Иванович Ширяев): искусственные нейронные сети используются для выбора места посадки спускаемых на космическое тело аппаратов. Несколько проектов по искусственным нейронным сетям выполняется на кафедре системного программирования.
– Пожалуйста, расскажите о них подробнее.
– Охотно. Первый проект – «Разработка систем машинного зрения для контроля качества продукции промышленных предприятий». Он предполагает создание и внедрение в производство нового класса промышленных приборов и технологических комплексов для автоматического распознавания брака и его классификации с диагностикой вероятных причин и мест его возникновения на автоматизированных линиях производства продукции промышленных предприятий. Искусственная нейронная сеть с помощью видеокамер будет автоматически отслеживать бракованную продукцию на основе так называемого машинного зрения.
Над этим проектом работает большой коллектив, который возглавляю я. У проекта три направления. Первое, «Программное и аппаратное обеспечение создания и обучения глубоких нейронных сетей», возглавляет руководитель Лаборатории суперкомпьютерного моделирования ЮУрГУ Павел Сергеевич Костенецкий, под его началом трудятся программисты – разработчики нейронных сетей Роман Андреевич Чулкевич, Александр Игоревич Рекачинский, Антон Олегович Головенко, студент Рустэм Алькапов. Направлением «Клиент-серверное программное обеспечение» руководит инженер-исследователь кафедры информационно-измерительной техники Иван Сергеевич Никитин, программист – студент Никита Ветошкин. Наконец, исследования по направлению «Видеоблок» ведутся под началом заместителя директора НПИ «Учебная техника и технологии» Рустама Зайнагеддиновича Хусаинова, а инженер-разработчик – начальник лаборатории автоматизации того же НПИ Сергей Евгеньевич Куликов. Как видите, к работе привлекаются и студенты. Заказчиком выступает Магнитогорский металлургический комбинат.
Второй проект, «Обнаружение, идентификация и удержание в фокусе целевых объектов», предполагает разработку автономной системы искусственного фасеточного (на основе глаз насекомых) машинного зрения, способной обнаруживать, распознавать и удерживать в фокусе определённые типы объектов, определяя направления и расстояния до них в режиме реального времени. Такая система может быть использована для создания полностью автономных робототехнических устройств, способных передвигаться по земле и в воздухе и выполнять специальные действия. Область применения может быть весьма широка. Речь идёт о создании искусственного фасеточного глаза. Природный аналог – фасеточные глаза насекомых. Несмотря на кажущуюся простоту, они обладают большими возможностями, позволяют своим обладателям решать сложные задачи: например, очень быстро летать, маневрировать. Муха видит очень хорошо: передача зрительного сигнала у неё в сто раз быстрее человека. С помощью таких искусственных глаз можно идентифицировать попадающие в поле зрения объекты, определять направление и расстояние до них. Например, подобными приборами можно оснащать беспилотники – дроны-квадрокоптеры. Они будут летать по периметру аэропорта, отслеживать посторонние дроны, которые запускают на территорию воздушной гавани хулиганы или террористы, – и нейтрализовать их. Над этим проектом работаю я и магистрант Илья Адигамов, планируем выйти на сотрудничество с Уральским оптико-механическим заводом.
Третий проект, «Выделение голоса человека в зашумлённой среде», предполагает создание комплексной системы, включающей стереомикрофоны, мобильное устройство и облачную систему обработки данных и позволяющей избирательно отфильтровывать речь определённого человека в зашумлённой среде. Есть хорошо известный феномен вечеринки: человек способен следить за речью собеседника, выделяя её среди множества других звуков, например, в ресторане, когда говорят много людей, играет музыка и так далее. Цель проекта – создать искусственную нейронную сеть, которая будет соединена с двумя стереомикрофонами и станет избирательно отфильтровывать речь определённого человека в зашумлённой среде. Зачем это нужно? Разработка может иметь разные назначения. Например, у нас есть оцифрованный образец голоса человека без посторонних шумов. Затем, если этот человек беседует с другим, скажем, на улице, где шумит транспорт, обученная искусственная нейронная сеть может эти уличные шумы отфильтровать и выдать нам чистую запись голоса. На мой взгляд, весьма интересно и очень важно и другое применение – в слуховых аппаратах. Хорошо известно, что многие пожилые люди плохо слышат. Современные технологии позволяют делать миниатюрные слуховые аппараты – но эти устройства одинаково усиливают и полезные звуки, и паразитные шумы: транспорта, строительных работ, динамиков и так далее. А мозг при использовании слухового аппарата теряет способность выделять на фоне шума голос собеседника. В результате человек с пониженным слухом, находясь, к примеру, на улице, не может разобрать, что ему говорят – и увеличение громкости в слуховом аппарате не помогает. Есть два выхода: либо создать слуховые аппараты, полностью имитирующие органы слуха человека – это тяжёлая задача, сложнее, чем пересадить хрусталик в глазу; либо научить слуховой аппарат отсекать посторонние шумы, чем мы и занимаемся. Подобная разработка годится и для отсеивания посторонних шумов в телефонах. Или, например, может применяться для спасателей, когда нужно выделить крик тонущего из шума морских волн. В этом проекте, руководимом мною, задействован преподаватель филиала ЮУрГУ в Златоусте Максим Владимирович Губин.
Четвёртый проект – «Интеллектуальная система для защиты от DDoS-атак» – предполагает анализ обращений к интернет-сайту в режиме реального времени, выявление аномалий, характерных для начала DDoS-атаки; автоматическое принятие адекватных защитных мер. Это интеллектуальная система защиты от хакерских атак (DDoS-атак) на веб-сайты. Речь идёт о создании искусственной нейронной сети, которая будет распознавать подозрительно большую активность, резкий рост числа обращений и автоматически блокировать обращения, поступающие с соответствующих IP-адресов, чтобы сайт сохранял работоспособность. Хорошо известно, что хакеры могут инициировать большое количество обращений к сайту с нескольких компьютеров, что парализует его работу. Чтобы это предотвратить, нужно такие обращения распознавать и отключать. Руководитель проекта – старший преподаватель нашей кафедры Ксения Юрьевна Никольская.
Наконец, пятый проект, «Диагностика психологического типа человека по Юнгу», предполагает разработку и реализацию методов и алгоритмов автоматического определения психотипа человека на основе анализа видеозаписи психологического тестирования испытуемого. Представьте: производится стандартный тест во время отбора кандидатур на вакантное место, претенденту задаются вопросы, идёт видеозапись, на ней можно увидеть жесты и мимику человека на собеседовании. Эта запись подаётся на вход искусственной нейронной сети, которая знает, какие заданы вопросы и какова реакция на них, и затем может выдать результат: склонен ли, кандидат, например, к обману, дисциплинирован ли. Над проектом трудятся доценты нашей кафедры Валентин Александрович Голодов и Сергей Александрович Иванов.
– Есть ли другие заказчики исследований по тематике искусственного интеллекта?
– Да, конечно. Это федеральные министерства образования и науки и промышленности и торговли, Национальная технологическая инициатива (платформа NeuroNet), Фонд «Сколково», Фонд «Центр стратегических разработок», госкорпорация «Ростех». В перспективе хотелось бы наладить по вышеназванным проектам сотрудничество с аэропортами страны и мира, производителями слуховых и телефонных аппаратов, кадровыми и рекрутинговыми агентствами и службами.
– Есть ли научные и иные организации – партнёры, с которыми ЮУрГУ сотрудничает по проблеме искусственного интеллекта? С кем бы хотелось наладить сотрудничество?
– Да, такие есть. И важнейший из них – Корейский институт перспективных исследований (директор – профессор Джейван Ким, член Международного научного совета нашего университета). Давно и плодотворно сотрудничаем с такими крупными корпорациями, как Intel и Nvidia, которые являются разработчиками аппаратного и программного обеспечения для создания и обучения искусственных нейронных сетей.
В перспективе хотелось бы работать по этой тематике с такими центрами науки, как Массачусетский технологический университет (президент – профессор Рафаэль Рейф), Токийский университет (президент – профессор Макото Гоноками), Мюнхенский технический университет (президент – профессор Вольфганг Херман), Харбинский политехнический университет (президент – профессор Ван Шуго).
– Что даёт такое сотрудничество?
– Очень многое, в том числе возможность активно продвигать свои идеи в научных высокорейтинговых журналах, входящих в базы Scopus и Web of Science. А это позволяет заявить о своём приоритете, повысить позиции ЮУрГУ в различных рейтингах, увеличить узнаваемость университета. Будем обмениваться идеями, опытом. Разумеется, секреты раскрывать не станем, а идеи, разработки, которые могут быть внедрены в реальное производство, будем защищать патентами.
