О фундаментальном ограничении обучаемости ИИ

schegloff — 28.11.2016 Бизнесмен в стиле фанк пророчит светлое будущее:

При приёме на работу мы зачастую смотрим на навыки соискателя, а потом тренируем его в человеческих отношениях, а матрица позволяет делать всё наоборот. Найдите человека с которым вам максимально комфортно и тренируйте его в знаниях. Стать профессионалом может любой. Стать приятным для вас человеком — далеко не каждый.

Ему возражают:

Вот только почему-то не становится. И когда вам вдруг потребуется врач, вы начнете выяснять, где найти профессионала, а не пойдете к первому попавшемуся в ближайшей поликлинике.

Я еще помню времена, когда системам автоматической генерации кода пророчили большое будущее, а профессия программиста считалась умирающей (считалось, что программы будут писать сами себя, а людям останется лишь формулировать задачки на естественном языке; см. "ЭВМ пятого поколения"). Примерно так же сегодня "умирающей" становится и профессия врача - зачем он нужен, если в Гугле все есть?

Чем квалифицированный врач отличается от Гугля? В рамках компьютерной метафоры, врач - это хорошо (20-40 лет реального времени) обученная нейросеть, содержащая огромное число связей. Гугль содержит куда больше информации о болезнях вообще - но куда меньше о сочетании отдельных симптомов в случае реальных пациентов. Конечно, компьютерные нейросети обучаются быстрее, и располагай человечество оцифрованными до нужных подробностей историями болезней нескольких миллиардов пациентов - возможно, ИИ и смог бы поспорить с квалифицированными врачами.

Но что значит - "до нужных подробностей"? Если просто поставить камеры и записывать разговоры с пациентами, плюс данные анализов - сможет ли ИИ обучиться на таком тотальном материале? На первый взгляд, почему бы и нет - распознать речь не проблема, разложить на семантику тоже. Но есть нюанс: обучение требует еще и знания результата, получившегося после принятия той или иной гипотезы. А получить такой результат можно, только попробовав какую-то тактику лечения - и дождавшись, когда она сработает (или не сработает).

Врач, который учится 40 лет, имеет достаточно времени на такое ожидание. Но если мы хотим обучить ему на замену ИИ, за какие-нибудь недели - то ожидание результата становится критичным. Неважно, как быстро вы перелопачиваете данные; важно, с какой скоростью они к вам поступают. Если поток данных невелик (скажем, 100 пациентов в год), преимущество ИИ в скорости обучения исчезает.

При взаимодействии с редкими событиями медленные нейросети оказываются ничуть не хуже быстрых. Вот этот момент, как мне кажется, многие упускают из виду, предполагая "точку Омега" и прочее "вкалывает робот, счастлив человек".

Оставить комментарий

Популярные посты:

• Архив