ИИ — это машинное обучение. Набор понятных методов 60-70-х годов 20-го века

0
511

Отрывок из интервью Александра Ведяхина на FINOPOLIS 2018. Александр Ведяхин — старший вице-президент, руководитель Блока Риски, ПАО «Сбербанк». Курирует направление machine learning в банке.

Давайте напомню, что сказал Илон Маск, мне понравилось: что если развитой интеллектуальной системе дать задание, например, бороться со спамом, то, скорее всего, он поборет людей. И, может быть, даже уничтожит.

Александр Ведяхин: Да, это известный предел задачи оптимизации, на эту тему есть много научно-фантастических историй, но, к счастью, мы на мероприятии, которое организовал наш регулятор, банк России, поэтому имеет смысл вернуться к специфическому искусственному интеллекту, который решает конкретные специфические задачи. И надо быть сфокусированным на нем, потому что именно из этого вида искусственного интеллекта мы получаем максимальное количество бенефитов, и он точно не страшен для человечества. Для себя мы сделали простое разделение. Мы посмотрели на математический аппарат, который есть, и ряд мат.методов: нейросети, стохастический градиентный бустинг, ряд видов деревьев решений, мы признали, что это методы искусственного интеллекта. Программирование и решение задач с помощью них является созданием в той или иной мере видов специализированного искусственного интеллекта. И, на самом деле, после этого определения многое волшебство и хай проходит. Да, были когда-то, и до сих пор есть, регрессии: линейная и логарифмическая регрессия и т.д. Прекрасно. Мы пошли чуть дальше, все пошли чуть дальше, начали применять более сложные методы с более сложным программным обеспечением, которое больше и больше данных обрабатывает. У этих методов есть название, их правильно, на самом деле, в математической среде называют машинное обучение. Потому что машинное обучение не вызывает такой бури, как искусственный интеллект, соответственно математики называют это – машинное обучение, те, кому нравится говорить про завоевание роботами человечества, искусственный интеллект. На самом деле – это набор понятных методов. Основная проблема искусственного интеллекта в том, что мы пользуемся методами 60-70-х годов 20-го века. Все те, у кого есть техническое или инженерное образование знают: нейронные сетки были изобретены в 60-х годах 20-го столетия. Бустинг был изобретен в 80-х годах. Ничего нового там нет. Просто много данных, большая автоматизация и хорошие, более выверенные алгоритмы.

Если не говорить про самые страшные научно-фантастические теории, то мы все-таки говорим о машинном обучении, т.е. машина сама учиться. А вы всегда знаете, чему она там научится? Знаете, детей обычно не учат врать, но где-то годков с 4-х…

Александр Ведяхин: Я думаю, что на самом деле, детей таки учат, они смотрят на реакцию: соврал – получил «rewards», ну, в понимании машинного обучения: если ты что-то сделал и получил какой-то правильный ответ, то ты получаешь «rewards», и сетка начинает делать так, как ты запрограммировал. Поэтому, собственно говоря дискуссионный вопрос насчет того, учат или не учат детишек врать, возможно мы им даем просто обратные сигналы, исходя из которых они так действуют. Но это другая история.

Т.е. вы полагаете, что граница проходит там, где технология начинает обучать себя сама.

Александр Ведяхин: Есть глубокое машинное обучение, это то, о чем вы сейчас говорите. Просто машинное обучение, там, где у нас есть параметры на входе, преобразование параметров и какая-то переменная на выходе. Собственно говоря, мы сейчас экспериментируем активно с глубоким машинным обучением, которое ближе всего к пониманию искусственного интеллекта. Но, в основном наши алгоритмы сейчас в обычном машинном обучении: набор параметров, преобразование с помощью той же нейросети и какие-то значения на выходе.

Источник: finopolis.ru