Как учится машина. Революция в области нейронных сетей и глубокого обучения

Очень хорошая книга, проходящая по основным вехам развития искусственного интеллекта от персептронов - своего рода прародителей полносвязных свёрточных сетей до современных генеративных и больших языковых моделей.

Большую часть книги автор (пусть и на довольно доступных примерах) разбирает принципы работы нейросетевых моделей и делится собственным вкладом в развитие технологий искусственного интеллекта. Тем не менее (несмотря на доступность подачи и максимальное упрощение), есть подозрение, что неспециалистам в области или интересующимся любителям, далёким от математики, даже этот подход покажется сложным и скорее отпугнёт, нежели даст больше понимания сути, так что для стороннего читателя, не связанного с современной разработкой и миром IT я бы, возможно, посоветовала обратиться к более популярным книгам (тут, к сожалению, на данный момент не располагаю достаточными знаниями, чтобы дать дельный совет).

С другой же стороны заключительная часть книги уделяет должное внимание размышлениям о природе интеллекта вообще (как естественного человеческого, так и свойственного животным, и, конечно, продолжает разговор о системах ИИ, так или иначе моделирующих устройство известных нам механизмов мышления), его формировании, базовый основах и мотивации. Любопытно также познакомиться с соображениями автора относительно дальнейшего прогресса нейросетевых моделей, основных направлениях исследований в этой области, ожиданиях и сложностях, с которыми предстоит столкнуться исследователям при разработке новых систем и решений на базе AI.

Эта часть книги (в противоположность моей прошлой рекомендации) будет интересна каждому, потому что так или иначе любой из нас всё чаще сталкивается с неизбежным и в то же время в большей степени благоприятным внедрением технологий в каждую сферу жизни (а ведь это ещё больше начало).

Такой противоречивый отзыв с полярными рекомендациями имеет смысл завершить, оставив потенциальным читателям самостоятельно принимать решение о знакомстве с содержанием книги. Со своей стороны добавлю (чтобы решение было принимать проще), что книга немало исследует как философию ИИ, так и человеческое мышление и понимание мира, а также не лишена технических деталей и нагядных примеров устройства, закономерностей и работы нейросетевых моделей.

Наш здравый смысл характеризуется способностью делать выводы.

Ян Андре Лекун

"Как учится машина: Революция в области нейронных сетей и глубокого обучения"

Не секрет, что я уже долгое время интересуюсь книгами о высоких технологиях и искусственном интеллекте. Такие вещи все плотнее входят в нашу повседневную жизнь. В частности нейросети активно применяются во многих производственных процессах и бизнесе. Даже я по работе периодически использую нейросети, перепоручая им некоторые простые документы, чтобы не погружаться в рутину.

Тем более актуальным становится понимание процессов, которые лежат в основе работы нейросетей и искусственного интеллекта, тем актуальнее становится рассматриваемая книга. Ее автор, французский ученый Ян Андре Лекун, сам являлся одним из первопроходцев технологий нейросетей. Еще в 1980-е годы он закладывал основы некоторых методов работы глубокого обучения машинных сетей, был основоположником направления сверточных нейронных сетей, за что получил премию Тьюринга 2018 года. Преподавал в Нью-Йоркском университете, но с 2013 года работает в корпорации Meta (деятельность которой признана в России экстремисткой и запрещена), которой принадлежат популярные соцсети Facebook и Instagram.

В данной книге Ян Лекун подробно объясняет принципы работы машинного обучения, каким образом действует искусственный интеллект и как ученые производят исследования с целью дальнейшего улучшения работы ИИ. Первые несколько глав посвящены истории первых разработок в области ИИ начиная с первых наработок в пятидесятых, продолжая бумом шестидесятых, провалом семидесятых, восстановлением в восьмидесятых и до расцвета в нулевых. Средние главы посвящены собственно описанию технологий машинного обучения, где автор вдается в подробнейшие детали - вплоть до пикселя - машинного распознавания картинок и текстов, формирования удовлетворяющих пользователей решений. По пути он рассказывает и о собственной исследовательской работе, объясняя собственные разработки. При этом эти главы доверху наполнены математическим и инженерным жаргоном, так что воспринимать их было нелегко. В последних главах он возвращается к новым направлениям в работе с нейросетями в десятых и двадцатых годах, в том числе описывает, хоть и не очень подробно, работу Facebook в области ИИ. В заключительных главах он пишет о новых горизонтах в исследованиях ИИ, актуальных задачах, стоящих перед учеными и инженерами, а также о долгосрочном влиянии ИИ на само человечество.

Лекун отмечает, что важнейшей задачей ближайшего будущего будет необходимость привить искусственному интеллекту понятие здравого смысла. Нейросеть может лишь исполнять некоторые команды в строго заданных рамках, но она ничего не знает о том, как устроен мир, у нее нет чего-то хоть отдаленно напоминающего интуицию. Любое знание, которое для человека само собой разумеющееся, машина постичь не в состоянии и делать глупые ошибки. Машина может составить ответ, который интересует пользователя, но она не может этого "понять", она лишь скрепляет друг с другом обрывки разных текстов, которые по некоторым маркерам опознаются как соответствующие запросу пользователя.

Поэтому же можно сказать, что машина в чем-то крайне глупа: чтобы усвоить некоторый образ действий ей требуются тысячи или даже сотни тысяч повторений. Да, AlphaGo обыграл Ли Седоля, чемпиона мира по игре в го, но для этого компьютеру пришлось сыграть самому с собой миллиарды партий в го, каждый раз отмечая наиболее выигрышные стратегии; вряд ли у Ли Седоля была возможность сыграть миллиард партий, но он смог стать лучшим игроком в мире. Посему важной задачей дальнейших исследований должно стать отыскание способа сократить число необходимых для обучения ИИ повторений, приближая это к человеческому показателю. Беспилотный автомобиль Tesla проходит тысячи часов перед тем, как компьютер сможет хотя бы чуточку адекватно вести, тогда как человек, учащийся водить машину, обычно тратит на это всего несколько десятков часов - почему?

Несмотря на то, что книга номинально является научно-популярной, написана она достаточно сложным языком. Она наполнена математическими и инженерными моментами, поэтому воспринимается с трудом. Можно сказать, что и я далеко не все смог нормально понять. Так что рекомендовать к ознакомлению можно лишь подкованному читателю.

Станут ли машины когда-нибудь умнее людей?

Книга интересная, но довольно специфична, поэтому она подойдёт преимущественно тем, кто уже немного разбирается в данной тематике. В ней содержится много информации об истории и развитии искусственного интеллекта, однако автор передаёт эту информацию через свой личный опыт. Наибольший интерес вызвал рассказ об глубоком обучении и глубоких нейронных сетях. Автор детально объясняет алгоритмы интеллектуальных систем, иллюстрируя, каким образом машина будет решать различные задачи.