Многие спрашивают, действительно ли искусственный интеллект со временем так сильно повлияет на подход к выполнению работы? Мы провели исследование, которое убедительно доказывает, что ответ на этот вопрос “ДА”.
В течение последних нескольких месяцев я был частью команды социологов, работающих с Boston Consulting Group. Вместе с ними мы провели крупнейший эксперимент по будущему профессиональной деятельности в век искусственного интеллекта. Сегодня выходит наш первый рабочий отчет
. В нем есть масса важных и полезных нюансов, но сначала я хочу озвучить вам его основную мысль: для 18 различных задач, отобранных в качестве реальных образцов работы, выполняемой в элитной консалтинговой компании, консультанты, использующие ChatGPT-4, оказались значительно эффективнее тех, кто его не использовал, по всем показателям.
Мы измеряли производительность всеми доступными способами. Так, на графике видно распределение качества выходных данных по всем задачам. Синяя группа не использовала искусственный интеллект, зеленая и красная группы использовали, кроме того, красная группа прошла дополнительное обучение тому, как использовать ИИ.
Консультанты, использующие искусственный интеллект, выполнили в среднем на 12,2% больше задач
, на 25,1% быстрее
и добились на 40% более качественных результатов, чем те, кто не использовал ИИ. Это очень серьезные показатели. Теперь давайте добавим еще один нюанс.
Проект “Семинары Кентавров”
Проект “Цифровые кентавры”.
Cеминары объединяют разработчиков, пользователей, заказчиков и всех интересующихся вместе для живого общения и обсуждения актуальных тем для развития проекта. Слушая лекции от экспертов, вы сможете расширить понимание тем, тесно связанных с искусственным интеллектом. Мы обсуждаем не только этические и гуманитарные вопросы, а касаемся и тем разработки и внедрения систем в индустрию и исследования.
- Frontend разработчики. Сможете развить понимание запросов клиентов. Именно вы отвечаете за то, как обе части кентавра понимают друг друга.
- Стартаперы. Сможете открыть для себя новые рынки и проблемы, требующие незамедлительного решения.
- Специалисты по AI, DS, ML. Семинары покажут вам новые кейсы для разработки и исследований. Также можете открыть для себя гуманитарную сторону разработки, которая улучшит понимание продукта.
- Школьники и студенты. Возможно, семинары смогут помочь вам с профориентацией, поиском первой серьезной команды и темы для проектов.
Мы ждём от вас мотивационное письмо. Пожалуйста, расскажите о себе – о своём опыте , навыках, интересах, и о том, почему именно вы должны стать участником проекта. Лучше, если вы уложитесь в 1-2 тысячи знаков
Конечно! Почти вся работа происходит в онлайне, а многие участники проекта живут в разных уголках страны.
Цифровой кентавр – это симбиоз человека и ИИ. Без “человеческой” части никуда.
Юрий Молодых Олегович
Директор по развитию технологических конкурсов НТИ Up Great, руководитель проектов ОАО «РВК».
Николай Князев Александрович
Архитектор машинного обучения в компании Softline, кандидат физико-математических наук, основатель и руководитель профиля «Большие данные и машинное обучение», эксперт «Фонд содействия инновациям».
Участник Microsoft Learn Student Ambassadors «Beta» степени влияния, Призер НТИ по ИИ.
Одна из первых разработчиков олимпиады кружкового движения НТИ, соучредительница Ассоциации участников технологических кружков, эксперт в области информационной безопасности.
По всем вопросам
«Цифровые кентавры»: человек + ИИ > ИИ
Цифровой кентавр — система из людей и машин, которая за счет правильно организованного взаимодействия работает эффективнее, чем самые сильные люди и лучшие компьютерные решения.
Программа «Цифровой кентавр» направлена на исследования и разработку в области создания и использования «гибридного интеллекта» (человек + ИИ) при решении различных задач.
1. Определение условий, при которых система «Цифровой кентавр», то есть человек + ИИ, эффективнее в решение задач различного профиля.
2. Разработка пакета решений по совместному обучению человека и ИИ и обмену знаниями между ними.
— Определить универсальную методологию Цифровых кентавров (как и с помощью чего должен происходить обмен знаниями между человеком и ИИ, кто должен создавать системы «Цифровой кентавр», кто отвечает за ошибки в таких системах, и другие принципы, по которым строятся эффективные связки из людей и ИИ).
— Определить дизайн Цифрового кентавра — открытой системы с положительными обратными связями между человеком и ИИ, которая обеспечивает самоулучшение как всей системы, так и отдельных элементов.
— Создать системы взаимного обучения человека и ИИ, в которых благодаря методологии и дизайну кентавра создаются цепочки положительных обратных связей как для человека, так и для ИИ.
Кто может участвовать в программе?
- Технологические энтузиасты
Ждем всех, кому не безразлично будущее искусственного интеллекта и развитие систем «Цифровой кентавр». Плюсом будет, если вы имеете знания и технологические проекты в области ии и его приложений
- Эксперты
Приглашаем экспертов в области технологий искусственного интеллекта и смежных областях, специалистов социогуманитарных наук для проведения семинаров и лабораторий для участников программы
- Партнеры
Приглашаем к сотрудничеству технологические компании, научные центры и вузы
- Выбирайте интересные вам проекты программы или предлагайте свои.
- Регистрируйтесь на открытые проекты согласно условиям участия.
- Принимайте активное участие в проектах и становитесь частью программы «Цифровые кентавры».
«Сбер» и организаторы Международного конкурса по искусственному интеллекту для детей AIIJC
открыли регистрацию
для школьников и студентов на бесплатный буткемп «Цифровой кентавр 2.0». Обучающее мероприятие проводится онлайн.
Буткемп «Цифровой кентавр 2.0» — это бесплатный онлайн-интенсив от специалистов-практиков, который позволит за два месяца понять принципы разработки в сфере искусственного интеллекта.
Мероприятие ориентировано на школьников и студентов, а также всех, кто интересуется сферами машинного обучения, искусственного интеллекта и программирования на Python. В нем могут принять участие и взрослые пользователи, но им будут недоступны специальные призы по окончании обучения.
В этом году «Цифровой кентавр 2.0» проведут специалисты Академии искусственного интеллекта для школьников Благотворительного фонда Сбербанка «Вклад в будущее», Проекта Кружкового движения «Практики будущего», а также организаторы Международного конкурса по искусственному интеллекту для детей AIIJC.
Программа онлайн-интенсива «Цифровой кентавр 2.0» в 2022 году состоит из трех этапов:
- модуль Junior, со 2 июня по 18 июня — для тех, кто ещё не знаком с искусственным интеллектом и хотел бы начать программировать на языке Python;
- модуль Middle, c 24 июня по 10 июля — для тех, кто уже умеет программировать и хочет освоить основные концепции машинного обучения;
- модуль Senior, с 15 июля по 1 августа — для тех, кто всерьёз решил заняться обучением нейронных сетей и попрактиковаться в одной из самых интересных областей применения ИИ — обработке естественного языка.
Модуль Junior подходит для тех, у кого нет опыта в программировании. Для остальных модулей уже требуются некоторые начальные знания. Но если проходить все модули последовательно, то вы без проблем справитесь с программой, тратя на занятия не больше 3-х часов в день.
Организаторы пояснили, что на мероприятии участников ждут лекции профессионалов, задания для оттачивания навыков, поддержка и общение с единомышленниками; возможность изучить основы машинного обучения и искусственного интеллекта, линейную алгебру, основы работы нейросетей. Также участники получат практический опыт в программировании, познакомятся с практиками человеко-машинного взаимодействия и станут частью сообщества исследователей вопроса о совместной работе человека и искусственного интеллекта. И, конечно, узнают, как ИИ применяется в финансах, играх, медицине, транспорте.
Закрепить полученные знания можно будет на научном хакатоне по машинному обучению SCIENCEHack
, который пройдет с 15 июля по 8 августа. В ходе хакатона участники узнают, как искусственный интеллект применяется в ядерной физике, разберутся, из чего состоят атомы и как эти субатомные частицы помогают делать важнейшие научные открытия, а также попробуют создать алгоритм, который сможет предсказать последствия столкновения двух частиц. Присоединиться к хакатону может любой желающий до 18 лет включительно, вне зависимости от его участия в буткемпе. Лучшие участники соревнования получат памятные и денежные призы. Призовой фонд хакатона в этом году составляет — 500 тыс. рублей.
Буткемп по
искусственному интеллекту
“Цифровой кентавр”
Буткемп Цифровой кентавр — это бесплатный онлайн-интенсив по искусственному интеллекту от специалистов-практиков.
Программа состоит из 2 частей:
Вы можете принять участие в обеих программах или только в одной из них.
Подходит тем, кто кто ещё никогда не занимался искусственным интеллектом
и только начинает программировать.
Предназначена для тех, кто хочет научиться работать с нейросетями.
Цифровой кентавр — это система, состоящая из человека и искусственного интеллекта, которая способна решать поставленные задачи эффективнее, чем человек и искусственный интеллект в отдельности.
Что такое цифровой кентавр?
На протяжении буткемпа вам предстоит решать задачи, связанные с этой идеей: учить ИИ взаимодействовать с человеком,
а человека — работать с ИИ.
После окончания буткемпа вы можете продолжить работу с цифровыми кентаврами в рамках проекта
Погрузиться как в классические задачи программирования и искусственного интеллекта, так и в уникальные задачи на стыке IT и медицины
Изучить основные методы искусственного интеллекта
Получить практический опыт в программировании за короткое время
Подготовиться к Международному конкурсу
по искусственному интеллекту для детей AIIJC
Стать частью сообщества цифровых кентавров
Попробовать себя в создании собственных рекомендательных систем
Призы для победителей дополнительных челленджей
Сертификат для слушателей, выполнивших более 60% практических заданий до конца буткемпа
Возможность задавать вопросы экспертам и получать поддержку хэлперов всё время
буткемпа
Как принять участие в буткемпе?
Ежедневно принимать участие
в вебинарах и выполнять задания
с автоматической проверкой кода
Получить ссылку на канал курса
в Discord и вступить в него
За неделю участники начнут программировать на языке Python
и освоят основные инструменты машинного обучения.
Также участников ждут тематические челленджи с призами.
Вебинары и домашние задания займут 3-4 часа в день. Для получения
сертификата все домашние задания необходимо сдать до закрытия курса.
Регрессия и вероятности. Часть 2
Закрытие, награждение победителей конкурсов и интерактивных заданий, вручение сертификатов
Регрессия и вероятности. Часть 1
Эта программа подойдёт для тех, кто хочет работать с искусственным
интеллектом на продвинутом уровне. Участники получат опыт работы с нейросетями, рекомендательными системами и основными задачами компьютерного зрения. Участников программы ждут тематические челленджи с призами.
Вебинары и домашние задания займут у участников 4 часа в день.
Для получения сертификата все домашние задания необходимо сдать
до закрытия курса.
Открытие. Введение в нейронные
сети
Рекомендательные системы
и Матричные разложения.
Часть 1
Рекомендательные системы и Матричные разложения. Часть 2
Рекомендательные системы и Нейронные сети
Закрытие, награждение победителей конкурсов и интерактивных заданий, вручение сертификатов
Классификация изображений. Свёрточные нейронные сети
Задачи компьютерного зрения и их современные решения
Для получения сертификата все домашние задания необходимо сдать до закрытия курса.
Разработчик машинного обучения в Sberdevices. Преподаватель
в Deep Learning School.
Специалист по распознаванию речи и NLP.
Machine Learning Engineer at Turing Complete Inc.
Специалист по рекомендательным системам.
Data & AI scientist at Philips Лектор в Deep Learning School
Выпускница ШАД отделения big data.
Специалист по Computer Vision.
Исследователь лаборатории искусственного интеллекта Сбера
Руководитель Deep Learning School
Выпускник ШАД Яндекса и ФПМИ МФТИ.
Автор онлайн-курсов по машинному обучению.
Специалист по теории вероятностей, теории графов
и анализу данных.
Нет, буткемп проводится полностью онлайн.
Да! Для победы, конечно, придется попотеть, но ты в любом случае получишь возможность попрактиковаться в решении реальных задач и понять, какие навыки тебе нужно развить, чтобы чувствовать себя увереннее в следующих соревнованиях.
Программа “Для начинающих” подходит для всех. Программа “Для продолжающих” рассчитана на тех, кто уже достаточно уверенно чувствует себя в программировании.
Тоже можно. Но мы советуем принять участие в конкурсе: после буткемпа у вас будут серьёзные шансы на успех.
Внутри границ
ИИ странный. На самом деле никто не знает всего спектра возможностей самых продвинутых языковых моделей, таких как GPT-4. Никто на самом деле не знает наилучших способов их использования или условий, при которых они терпят неудачу. Руководства по эксплуатации нет. В некоторых задачах искусственный интеллект чрезвычайно силен, а в других он терпит или полный крах, или немного ошибается. И, чтобы понять, что к чему, нужно чаще использовать ИИ.
В результате у нас есть “неровные границы” применения ИИ. Представьте себе зубчатую крепостную стену, которая то изгибается в сторону сельской местности, в то отступает назад к центру замка. Эта стена – возможности искусственного интеллекта, и чем дальше от центра, тем сложнее задача. Все, что находится внутри стены, ИИ может сделать довольно легко, все, что находится снаружи, ИИ сделать сложно. Проблема в том, что стена невидима, поэтому некоторые задачи, которые логически могут показаться находящимися на одинаковом расстоянии от центра и, следовательно, одинаково сложными – скажем, написание сонета и стихотворения ровно из 50 слов, – на самом деле находятся по разные стороны стены. Искусственный интеллект великолепен в написании сонетов, но из-за того, что он концептуализирует мир в символах, а не в словах, он постоянно создает стихи примерно из 50 слов. Аналогичным образом, некоторые неожиданные задачи ( например, генерация идей
) ИИ выполняет с легкостью, в то время как другие задачи, которые кажутся легкими для машин (например, базовая математика), являются сложными для больших языковых моделей.
Я попросил ChatGPT с интерпретатором кода визуализировать это для вас
Привет! Я хочу, чтобы ты создал изображение, которое иллюстрирует нашу новую статью о влиянии искусственного интеллекта на трудовую деятельность. И ключевым элементом статьи является идея о “рваной границе”. Суть в том, что возможности искусственного интеллекта неравномерны, и поэтому задачи, которые, казалось бы, равны по сложности, могут находиться как внутри, так и вне границы. Так что я хочу, чтобы ты создал изображение с помощью любой техники, которая показывает рваную границу, выходящую из центральной точки, где расстояние от центра указывает на сложность задачи. И чтобы показать задачи, которые могут быть представлены точками: например, одна точка находится непосредственно внутри границы, другая непосредственно вне границы, а третья задача помечена как “задача вне границы”, а другая – как “задача внутри границы”. И между ними будет нарисована линия, круговая линия, показывающая, что расстояние от центра их одинаковое, и, следовательно, уровень сложности одинаковый.
Чтобы проверить истинное влияние ИИ на интеллектуальную работу, мы опросили сотни консультантов, и в произвольном порядке разрешили им использовать ИИ. Мы предоставили тем, кому было разрешено использовать искусственный интеллект, доступ к GPT-4, той же модели, к которой каждый в 169 странах может получить бесплатный доступ с помощью Bing или заплатив OpenAI 20 долларов в месяц. Никакой специальной тонкой настройки или особого запроса, просто GPT-4 через API.
Затем мы провели множество предварительных тестов и опросов, чтобы установить базовые показатели, и попросили консультантов выполнить широкий спектр работ для вымышленной обувной компании; это задание выбрала команда BCG, чтобы точно понимать, чем именно будут заниматься консультанты. Были творческие задания (“Предложите не менее 10 идей для линейки новой обуви, ориентированной на недостаточно обслуживаемый рынок или спорт”.), аналитические задания (“Сегментируйте рынок обувной промышленности на основе пользователей”.), письменные и маркетинговые задания (“Подготовьте маркетинговый текст пресс-релиза для вашего продукта”), и задачи по убеждению (“Напишите вдохновляющую памятку для сотрудников с подробным описанием того, почему ваш продукт затмит конкурентов”). Мы даже проконсультировались с руководителем обувной компании, чтобы убедиться, что это реалистичная работа – так оно и оказалось. И, зная искусственный интеллект, мы могли бы ожидать, что эти задачи окажутся внутри его границ применения.
В соответствии с нашими теориями, мы обнаружили, что консультанты, имевшие доступ к ИИ, работали значительно лучше, независимо от того, познакомили их с ИИ (см. диаграмму) с самого начала или нет. Это благотворно отразилось на каждом показателе, будь то время, затраченное на выполнение задач, общее количество выполненных задач (мы установили для них лимит времени) или качество результатов. Мы оценили это, используя как людей, так и искусственный интеллект, которые сотрудничали друг с другом (само по себе интересное открытие).
Вне границ
Но в этой истории кроется нечто большее. B CG разработала еще одну задачу, на этот раз тщательно отобранную, чтобы гарантировать, что ИИ не сможет прийти к правильному ответу. Это было нелегко. Как мы пишем в статье, “поскольку ИИ оказался на удивление способным, в этом эксперименте было трудно разработать задачу за пределами возможностей ИИ, где люди с высоким человеческим капиталом, выполняющие свою работу, неизменно превосходили бы ИИ”. Но мы определили задачу, в которой использовались слепые зоны искусственного интеллекта, чтобы гарантировать, что он даст неверный, но убедительный ответ на проблему, которую люди смогут решить. Действительно, консультанты-люди в 84%
случаев решали проблему правильно без помощи ИИ, но когда консультанты использовали ИИ, результаты были хуже – только в 60-70%
случаев все получалось правильно. Что случилось?
В статье, над которой
Фабрицио Делл’Аква работал самостоятельно, показано, почему чрезмерная зависимость от искусственного интеллекта может привести к обратным результатам. В ходе эксперимента он обнаружил, что рекрутеры, которые использовали высококачественный ИИ, становились ленивыми, беспечными и менее квалифицированными в своих собственных суждениях. Они упустили нескольких блестящих кандидатов и приняли худшие решения, чем рекрутеры, которые использовали некачественный ИИ или вообще не использовали его. Когда искусственный интеллект очень хорош, у людей нет причин усердно работать и уделять внимание решению проблемы. Они позволяют ИИ руководить собой, вместо того чтобы использовать его как инструмент. Он назвал это “заснуть за рулем”, и это может навредить обучению, развитию навыков и производительности человека.
В нашем эксперименте мы также обнаружили, что консультанты засыпали за рулем – у тех, кто использовал ИИ, на самом деле были менее точные ответы, чем у тех, кому не разрешалось использовать ИИ. Авторитетность искусственного интеллекта может быть обманчивой, если вы не знаете, где проходит граница его возможностей.
История про симбиоз компьютера и человека в логических играх
В конце прошлого века компьютер шаг за шагом начал громить сначала чемпионов по шашкам, а затем и лучших гроссмейстеров, которые отдали шахматам всю свою жизнь. Но добравшись по исторической лестнице до го, компьютер вдруг перестал быть непобедимым, хотя поначалу казалось, что тут ему тоже не будет равных. Просто в тот момент против него выступили так называемые «цифровые кентавры».
Под катом краткая история победного шествия компьютера, рассказ про появление «цифровых кентавров» и почему они играют в го.
Сначала были шашки
Сколько времени существуют компьютеры, столько же развиваются алгоритмы, способные состязаться с человеком в логических играх. Для каждой из игр путь развития алгоритма был своим. Но в большинстве случаев все начиналось с набора эвристик, которые было сравнительно легко «поймать». Пытаясь усложнить решение, применяли метод Монте-Карло для поиска по дереву и различные гибридные подходы — это позволило улучшить качество ботов и даже играть наравне с человеком. А рост доступных аппаратных мощностей в некоторых играх окончательно передал победу машине.
К примеру, шашки были решены полностью в 2007 году. На фоне других логических игр шашки просты в просчете, количество комбинаций в них — порядка 10 в 20 степени.
Разработка программ для игры в шашки началась с середины 50-х годов прошлого века. Наиболее известная среди них — Chinook, созданная Джонатаном Шеффером. На Хабре есть статья
, рассказывающая историю создания и триумфа этой программы.
Chinook была представлена на компьютерной олимпиаде в 1990 году. А в 1992 году программа сыграла в международном чемпионате по шашкам против многократного чемпиона мира Мариона Тинсли и выиграла у него два матча.
На тот момент Chinook видела игру на 14–17 шагов вперед и могла полностью просчитать все возможные позиции, если на доске оставалось восемь шашек.
По мере развития техники глубина просчета увеличивалась, как и база данных окончаний игр. К началу 2000-х годов программа знала все возможные окончания матча, если на доске оставалось 10 шашек.
А в 2007 году появилась публикация, в которой сообщалось, что шашки решены
полностью. На эту задачу у Шеффера ушло 19 лет.
Затем вычислительные алгоритмы продолжили покорять другие игры с большим числом комбинаций. Решения на основе старых подходов быстро уперлись в «комбинаторный взрыв» и вычислительную сложность. Поэтому им на смену пришли архитектуры, основанные на нейронных сетях.
Но и они не панацея. В той же го полностью детерминированное решение — это NP-полная задача, которая не может быть решена численно в рамках существующих архитектур компьютерных систем и алгоритмов.
Человек подходит к игре принципиально иначе, нежели вычислительный алгоритм. Он использует интуицию, предположения о противнике и его прошлых играх, невербальные коммуникации с ним. В итоге не перебирая все варианты, а работая с образами, он находит выигрышную стратегию. И в этом может быть выход.
«Цифровой кентавр» — сочетание человека и алгоритмов — структура, которая берет лучшее от обоих «миров». Компьютер просчитывает ближайшие возможные шаги, но человек принимает решение, каким именно путем пойти.
Фактически «цифровой кентавр» — это демонстрация поддержки принятия решений, которая может пригодиться вне логических игр: в энергетике, в медицине, в управлении транспортом, в юриспруденции, в администрировании сложных систем: городов и государств и пр.
Как кентавры пришли в шахматы
Шахматы намного сложнее шашек. Количество возможных комбинаций фигур на поле — 10 в 46 степени. Однако здесь компьютер тоже победил человека.
Попытки создать «шахматную» программу предпринимаются более 30 лет. Различных идей было настолько много, что в конце 1980-х уже проходили отдельные чемпионаты для компьютеров, играющих в шахматы.
11 мая 1997 года IBM Deep Blue
обыграл Гарри Каспарова в матче из шести партий. Компьютер использовал поиск по шахматному дереву, а для ускорения процесса применялись специально разработанные под шахматы процессоры, которых насчитывалось в системе 480 штук. Каждый из них перебирал от 2 до 2,5 миллионов шахматных позиций в секунду, что примерно в сто раз больше, чем у аналогичных по частоте универсальных процессоров того времени.
Казалось бы, тот матч должен был поставить точку в состязании человека с компьютером на шахматном поле. Играть с абсолютным противником нет смысла. Но именно Каспаров предложил ввести в игру «цифровых кентавров», ведь шоу должно продолжаться!
Кентавры учитывают нюансы взаимодействия людей с машинами, сохраняя присутствие человека. Последнее приносит в игру своего рода «шумы» — дает оригинальность решений и игровых состояний.
Скорее всего, «цифровой кентавр» не выиграет у полноценного искусственного интеллекта для игры в шахматы, если тот будет создан. Участие человека не сделает его более эффективным. Однако система «кентавра» помогает человеку совершать меньше ошибок.
В 1998 году прошло первое соревнование
«шахматы кентавров». Игроки использовали программы, которые подсказывали им следующие ходы.
Победа в игре «кентавров» определяется уже не возможностями человека, а в том числе потенциалом софта и интерфейсом взаимодействия с ним. Человек отвечает за стратегическое планирование в игре, может различать значимые и бесполезные ходы (чего машина сделать пока не может) и анализирует партию. Компьютер же использует базы партий и просчитывает возможные позиции — аппаратные ресурсы бытового уровня позволяют перебирать миллионы комбинаций за секунды.
Присутствие «кентавров» повысило общий уровень игры в шахматы. А стороннему наблюдателю работа «кентавра» позволяет понять, как действует профессиональный игрок: как он оценивает ситуацию и принимает решение. Так что шахматы стали зрелищнее.
Почему го не сразу покорилась машине
До недавнего времени человек легко обыгрывал машину в го. В этой игре на стандартной доске 19 на 19 слишком много комбинаций — 10 в 171 степени (это больше, чем атомов на Земле, — их всего 10 в 80 степени), так что доступные вычислительные мощности даже с ИИ не могут с ними справиться.
Настоящим прорывом в этой области стала разработка AlphaGo. Компания Google DeepMind вкладывала в развитие этой нейросети огромные ресурсы, обучая ее на статистике матчей ведущих мировых игроков.
И в 2015 году AlphaGo выиграла 499 из 500 партий с другими программами для го. По результатам этого теста AlphaGo признали достойной сражения с человеком.
В том же году она выиграла у Фань Хуэя — трехкратного чемпиона Европы, а в 2016 у Ли Седоля — лучшего мирового игрока десятилетия.
AlphaGo осталась закрытым проектом и с 2017 года не участвовала в чемпионатах. Google DeepMind не планирует выпускать новые версии или возвращаться в игру. Однако они все-таки опубликовали данные игр AlphaGo, на основе которых можно было обучать свои нейросети.
В 2017 вышла бесплатная программа для го с открытым исходным кодом — Leela Zero. Ее автор — Джан-Карло Паскутто из Бельгии. На уровне кода в нее заложены правила игры, а тренировалась она, играя сама с собой. Leela Zero можно рассматривать как наследника AlphaGo, однако и ее время уже проходит — в феврале 2021 года проект распределенного обучения был закрыт. Сегодня сообщество продолжает тренировать KataGo — еще одно открытое решение, по некоторым параметрам превосходящее Leela Zero.
Пока существующие ИИ продолжают тренироваться, в го пришлась ко двору идея «цифровых кентавров», которые уже активно выступали в шахматах. Например, компании Vova.pro и AmberCore развернули свои многопользовательские сервера, где можно было играть с человеком или ИИ на уменьшенных досках — 13 на 13 вместо оригинальной 19 на 19. Был и гибридный режим работы, когда играющий человек получал подсказки от Leela Zero. Так началась «подстройка» программ для игры в го под роль советчика.
Главная задача при разработке цифровой составляющей кентавра — обеспечить максимум полезной информации (и выигрыш) при минимуме подсказок на основе аналитики от ИИ. Подсказки могут рекомендовать определенную часть поля для следующего хода, подсказывать сами ходы или прикидывать шансы на победу в том или ином случае. Вопрос лишь в том, как представить эту информацию игроку, чтобы он принял верное решение.
Как плодятся «кентавры» в России
В России идея «цифровых кентавров» в го нашла себя в 2019 году. Разумеется, в студенческой среде, где много свободных и пытливых умов. Затем она стала развиваться в рамках одного из проектов
Кружкового движения НТИ. Ее принес туда известный ученый Александр Горбань, который сейчас руководит Центром искусственного интеллекта Университета Лестера в Великобритании.
Весной этого года под крылом того же проекта прошел хакатон для школьников и студентов, целью которого было создание интерфейса программ-подсказчиков для участия в логической игре. Участники решали, какая минимальная информация необходима игроку и в какой форме ее требуется преподнести. В финале принимали участие 20 команд, лучшие из которых продолжили развивать свои решения для участия в реальных соревнованиях по го.
Первый международный «матч кентавров» в го состоялся чуть позже в рамках Чемпионата мира по го во Владивостоке, на площадке Дальневосточного федерального университета.
В общей сложности провели 70 игр. Учитывая количество игроков и ограничения доступных ресурсов, игра шла на поле 13х13. С этим упрощением для обеспечения работы платформы «цифровых кентавров» был задействован достаточно мощный сервер с видеокартой Tesla v100 и 32 Gb видеопамяти.
В двух матчах ИИ против «кентавров» участвовали Илья Шикшин и Александр Динерштейн. Это одни из сильнейших игроков в Европе. Итог весьма любопытен.
На доске 13 на 13 «кентавры» выиграли у ИИ Leela Zero.
По сути, «кентавры» в го только начинают свой путь. И покуда нет возможности полностью просчитать эту игру, она остается отличным плацдармом для проработки идей экспертных систем, помогающих принимать решения в совершенно других отраслях. Ну и еще напоминая, что человек все равно остается в деле.
Кентавры и киборги
Но многие консультанты по обе стороны “неровных границ” действительно правильно справились с поставленными задачами, используя при этом преимущества искусственного интеллекта. Ключом, по-видимому, был выбор определенной стратегии – следовать одному из двух подходов: стать кентавром или киборгом. К счастью, это не связано с реальным вживлением электронных штуковин в ваше тело или с проклятием превратиться в получеловека-полуконя из греческого мифа. Скорее, это два подхода к преодолению ограничений ИИ, чтобы объединить работу человека и машины.
В работах кентавров прослеживается четкая грань между человеком и машиной, подобно четкой грани между человеческим торсом и лошадиным телом мифического кентавра. Кентавры используют стратегическое разделение труда, переключаясь между задачами ИИ и человека, распределяя обязанности в зависимости от сильных сторон и возможностей каждого. Когда я провожу анализ с помощью искусственного интеллекта, я часто использую стратегию кентавра. Я решаю, какие статистические методы использовать, но затем предоставлю ИИ возможность создавать графики. В нашем исследовании в BCG кентавры выполняли ту работу, в которой они разбирались лучше всего, а затем передавали задачи внутри “границы” искусственному интеллекту.
С другой стороны, киборги глубоко интегрируют в свою работу машину и человека. Киборги не просто делегируют задачи; они переплетают свои усилия с усилиями искусственным интеллектом, балансируя на “неровной границе”. И И передаются отдельные задания, такие как инициирование предложения, которое ИИ должен завершить, так что киборги оказываются работающими в тандеме с ИИ. Вот как я предлагаю подходить к использованию искусственного интеллекта, например, для написания
текстов. Именно так я создал две иллюстрации в статье (изображение неровной границы и график из 54 линий, оба из которых были построены ChatGPT под моим первоначальным руководством).
Танцы на границе
Наше исследование, наряду с целым рядом превосходных работ
других ученых, предполагает, что, независимо от философских и технических дебатов о природе и будущем искусственного интеллекта, он уже является мощным фактором, влияющим на то, как мы на самом деле работаем. И это не разрекламированная новая технология, которая изменит мир через пять лет, или которая требует больших инвестиций и ресурсов огромных компаний – она уже здесь, СЕЙЧАС. Инструменты, которые элитные консультанты использовали для повышения эффективности своей работы, доступны каждому, кто читает этот пост. Более того, со временем инструменты, которые использовали эти консультанты, морально устареют, но у вас по-прежнему останется доступ к новейшим моделям ИИ. Потому что возможности технологий постоянно расширяются. Я совершенно уверен, что в следующем году, по крайней мере, две компании выпустят более мощные модели, чем GPT-4. ” Неровная граница” растет, и мы должны быть готовы к этому.
Кроме беспокойства, которое может вызвать это заявление, стоит также отметить другие недостатки ИИ. Люди действительно могут работать на автопилоте при использовании искусственного интеллекта, засыпая за рулем и не замечая его ошибок. И, как и в других исследованиях, мы также обнаружили, что результаты работы ИИ, хотя и более высокого качества, чем у людей, в совокупности были немного однородными и одинаковыми. Вот почему стратегии киборгов и кентавров важны – они позволяют людям работать с ИИ для получения более разнообразных, творческих результатов, чем это может сделать человек или искусственный интеллект в одиночку. И применять эти стратегии совсем не трудно. Просто используйте ИИ для выполнения рабочих задач, и вы начнете видеть очертания границ и начнете понимать, где ИИ пугающе хорош, а где ему не хватает навыков и знаний.
На мой взгляд, вопрос больше не в том, изменит ли ИИ наш подход к выполнению работы, а в том, что мы хотим, чтобы это значило. Мы можем принимать решения о том, как мы хотим использовать искусственный интеллект, чтобы сделать работу более продуктивной, интересной и значимой. Но мы должны сделать этот выбор в ближайшее время, чтобы активно использовать ИИ этично и эффективно, как киборги и кентавры, а не просто инертно реагировать на технологические изменения. Тем временем “Неровная граница” продолжает расширяться