Доповідь представлена на міждисциплінарному семінарі «Обрії науки» 24 вересня 2020 року, м. Львів.

1. Поточні виклики штучного
інтелекту
Олексій Молчановський
Український Католицький Університет
24 вересня 2020
МІЖДИСЦИПЛІНАРНИЙ
СЕМІНАР ОБРІЇ НАУКИ

2. Про себе
● Керівник магістерської
програми Data Science
(«Науки про дані») УКУ
● Член комітету з розвитку
сфери штучного інтелекту в
Україні при МінЦифрі
● ЗАСТЕРЕЖЕННЯ
Я не є дослідником в ШІ --
радше активно зацікавлений у
розвитку галузі
● Ця доповідь не містить
технічних деталей

3. минуле

4. Витоки штучного інтелекту
Джерело: content.iospress.com/articles/icga-journal/icg180075

5. Етапи розвитку ШІ
● «Золоті роки» (1956 -- 1974)
○ Логічне мислення та доведення теорем (reasoning), семантичні мережі, перші праці з
обробки та синтезу природної мови
● «Вибух» (1980 -- 1987)
○ Експертні системи, бази знань
● Штучний інтелект (1993 -- 2011)
○ Data Mining, Decision Theory, Intelligent Agents
● Великі дані and глибоке навчання (2011 -- )
Джерело: en.wikipedia.org/wiki/History_of_artificial_intelligence

6. Зими штучного інтелекту
Джерело: thefinanser.com/2020/07/ai-will-augment-not-destroy-humanity.html/

7. сьогодення

8. Сучасний етап розвитку ШІ
Statistics
Data Mining
Big Data
Machine Learning
Reinforcement Learning
Deep Learning

9. Рушійні причини сучасного ШІ
Обчислювальні
потужності
Дані
Алгоритми

10. Deep Learning -- основний рушій сучасного ШІ
The 2018 Turing Award: Yann LeCun (Facebook), Geoffrey Hinton (Google), Yoshua Bengio (Element AI)
Джерело: www.theverge.com/2019/3/27/18280665/ai-godfathers-turing-award-2018-yoshua-bengio-geoffrey-hinton-yann-lecun

11. Що лежить в основі машинного/глибокого навчання?
Розпізнавання
шаблонів
(pattern recognition)
Багатоітераційне
навчання

12. Correlation vs Causation

13. Що вміє сучасний ШІ: зображення
● Image recognition
○ Face recognition
○ Pose detection
● Object detection
● Image description
● Artistic style transferring
● Artificial image creation
● ...

14. Що вміє сучасний ШІ: текст та звук
● Grammar and style correction
● Text generation (scripts, novels, poems)
● Artificial conversations (chat bots)
● Speech recognition
● Artificial music generation
● Human-level speech synthesis
● ...

15. adolos.substack.com/p/feeling-unproductive-maybe-you-should

16. Тест Тюрінга, 1950

17. Correlation vs Causation
https://vision03.csail.mit.edu/cnn_art/data/single_layer.png

18. Correlation vs Causation
Джерело: CS224n: Natural Language Processing with Deep Learning (Stanford)

19. Залежність моделей ML від точності та розмірів даних
Джерело: medium.com/bethgelab/ai-still-fails-on-robust-handwritten-digit-recognition-and-how-to-fix-it-a432d84ede18

20. Упередження в отриманих результатах
Джерело: dailymail.co.uk

21. Ефект відлуння
Джерело: twitter.com/math_rachel/status/1123354917404495872

22. Маніпуляції з даними
Джерело: www.nature.com/articles/d41586-019-03013-5

23. 30 000 000
партій, які зіграла програма AlphaGo, щоби досягнути рівня достатнього для
перемоги над людиною-чемпіоном
Потреба у величезних ресурсах

24. Потреба у величезних ресурсах
Джерело: www.technologyreview.com/2019/06/06/239031/training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes/
Під час тренування однієї великої моделі
глибокого навчання виділяється уп’ятеро
більше CO2
аніж виділяє середня
американська машина за весь час
експлуатації

25. Непрозорість отриманих результатів
Джерело: www.ssglass.co.uk

26. Сучасний ШІ
екстремально
спеціалізований
Джерело: depositphotos.com

27. Джерело: xkcd.com/1838/

28. «Неможливо дістатися
Місяця шляхом вилізання
на все вищі дерева»
31st
Akin's Laws of Spacecraft Design
Джерело: spacecraft.ssl.umd.edu/akins_laws.html

29. майбутнє

30. Якщо комп’ютери такі розумні,
чому вони не вміють читати?

31. Чого бракує сучасному ШІ?
Розуміння
контексту
Причинно-наслідкові
зв’язки

32. ● Чи зараз Іван Франко живий?
● Чи жив Іван Якович у 1800 році?
● Чи покладали квіти до пам’ятника
Івана Франка?
● Чи зустрічався Андрій Москаленко
з Іваном Франком?
● Чи вважає Андрій Москаленко
Івана Франка дорожнім знаком?
Джерело: city-adm.lviv.ua

33. DeepMind Reinforcement Learning Model

34. Брак здорового глузду в ШІ
Джерело: ConceptNet 5: A Large Semantic Network for Relational Knowledge, Springer

35. Брак контекстуальної та семантичної інформації
● Працюючи на основі статистики, глибоке навчання дозволяє лише
ймовірнісно поєднувати одні сутності з іншими
● Глибоке навчання жодним чином не може опановувати
композиціональність, коли одні об’єкти складаються з інших
● Глибоке навчання є добрим у навчанні, але геть поганим у
композиціональності та побудові когнітивних моделей; класичний ШІ є
добрим в побудові когнітивних моделей та композиціональності, але
дуже посередній у навчанні.

36. Correlation vs
Causation
З книжки The Book of Why

38. Рівень 1. Поєднання / асоціювання
Скільки би даних не мала на вході модель глибокого
навчання вона не зможе вивести причинних зв’язків

39. Рівень 2. Втручання
Рівень причинно-наслідкових зв’язків (дій) неможливо
описати мовою ймовірностей.

40. Рівень 3. Уявлення, припущення
Люди мають здатність уявляти як щось
НЕ станеться і прослідкувати за
наслідками у своїй уяві

41. Оновлений тест Тюрінга
На вхід подається історія/ситуація, яка описана за допомогою
причинно-наслідкової діаграми.
Комп’ютер повинен давати відповіді на будь-які запитання
відносно цієї історії: що спричинило те або інше.
З книжки The Book of Why

42. Куди дивитися/розвиватися далі?
Врахування контексту та
причинно-наслідкових зв’язків

43. Шість питань для критичної оцінки досягнень ШІ
1. Якщо відкинути риторику, що насправді ця система ШІ зробила?
2. Наскільки узагальнювальним є результат?
3. Чи є демо, з яким можна погратися і спробувати власні приклади?
4. Якщо стверджується, що система ШІ працює краще людей, то яких саме
людей?
5. Наскільки це конкретне дослідження просунуло нас в бік більш
загального ШІ?
6. Наскільки надійною є система? Чи вона може працювати так само добре
на інших наборах даних?
З книжки Rebooting AI: Building Artificial Intelligence We Can Trust

44. Загальний Штучний Інтелект
Загальний штучний інтелект (AGI) -- це інтелект машини, яка може успішно
розв’язувати будь-яку інтелектуальну задачу, яку може розв’язати людина.
Джерело: Wikipedia

45. Дякую за увагу
olexiim@ucu.edu.ua

47. Рекомендовані статті
● What AI still can’t do
● Facebook's Head of AI Says the Field Will Soon ‘Hit the Wall’
● The field of natural language processing is chasing the wrong goal
● A debate between AI experts shows a battle over the technology’s future
● Google’s AI Guru Wants Computers to Think More Like Brains
● A philosopher argues that an AI can’t be an artist
● AI pioneer: ‘The dangers of abuse are very real’
● Can an AI be an inventor? Not yet.
● AI still doesn’t have the common sense to understand human language
● Too many AI researchers think real-world problems are not relevant