⚡️ «До чего дошел прогресс – труд физический исчез, да и умственный заменит механический процесс».
В последнее время всё чаще можно услышать о том, что искусственный интеллект (ИИ) уже управляет различными системами на поле боя. Ещё чуть-чуть и он сможет самостоятельно вести полноценные боевые действия, задействовать большие рои дронов, что ИИ сможет наделить устройства особыми знаниями и навыками, тем самым избежав человеческих потерь на поле боя. На самом деле это конечно же не так. На сегодняшний день не существует ни одной генеративной модели искусственного интеллекта способной решать поставленные задачи в современном конфликте. Отдельные элементы, модули — да, новые алгоритмы, которые могут помочь в анализе данных — да, машинное зрение и машинное обучение — да, но если мы говорим именно об искусственном интеллекте, который подразумевает систему, которая способна обучаться, адаптироваться и принимать решения на основе данных — то нет.

Искусственный интеллект на поле боя: мифы и реальность.
Миф об ИИ насчитывает более половины века, заключается в том, что возникновение человекоподобного («сильного») искусственного интеллекта, а в дальнейшем и сверхинтеллекта якобы неизбежно, и оно произойдет как бы само собой — в результате постепенной эволюции систем искусственного интеллекта. Мифы об ИИ постоянно возникали, начиная с 1950-х гг. Впервые роковое слово «сингулярность» произнес Джон фон Нейман (1950-е гг., свидетельство Улама):
«Постоянное ускорение технологического прогресса… свидетельствует о приближении некоей существенной сингулярности в истории человеческого рода, после наступления которой человеческая деятельность, какой мы ее знаем, продолжаться уже не сможет».
Джон Гуд, криптограф, работавший с Тьюрингом во время Второй мировой войны над расшифровкой немецких радиограмм, в 60-е годы утверждал, что, если машина способна развить интеллект человеческого уровня, то она сможет и превзойти обычное человеческое мышление, т.е. возникнет «ультраинтеллектуальная машина», которая «сможет проектировать все более совершенные машины, после чего непременно произойдет интеллектуальный взрыв, и человеческий интеллект останется далеко позади. Поэтому первая ультраинтеллектуальная машина станет последним изобретением, которое придется создавать человеку».
В 1960-е годы многие ведущие специалисты по ИИ высказывались о скором создании ИИ, сравнимого с человеческим. Герберт Саймон в 1965 году предсказывал, что в ближайшие двадцать лет «машины научатся выполнять любую работу, которая под силу человеку».
В 1967 году Марвин Мински объявил, что «проблема создания ИИ будет по большей части решена в рамках одного поколения».

Популярность мифов об ИИ в обществе, американский ученый и предприниматель Э. Ларсон объясняет тем, что они имеют признаки китча — продукта массовой культуры. «Во-первых, китч подразумевает упрощение сложных идей. Необходима простая и понятная история. Во-вторых, китч предлагает легкие решения, избавляющие людей от волнений по поводу жизненных проблем, вместо того чтобы решать их при помощи серьезного, тщательного обсуждения. Отличный тому пример — мечтательное представление о том, что когда-нибудь появится невероятный андроид, обладающий сверхинтеллектом, который перестроит человеческое общество с его устаревшими традициями и взглядами, и люди вступят в новую эру, где, по счастью, не будет места былым спорам о Боге, природе сознания, свободе воли, праведной жизни и тому подобном».

⬇️(продолжение)

⬆️Искусственный интеллект на поле боя: мифы и реальность (продолжение).
Важнейшим аспектом интеллекта — как естественного, так и искусственного — является умение рассуждать, т.е. делать умозаключения. «Если ИС совершенно не способна строить умозаключения, то она не заслуживает того, чтобы называться интеллектуальной». В логике известны три основных вида умозаключений (логических выводов): дедукция, индукция и абдукция.
◽️Дедукция — вывод от общего к частному: если А, то В; А истинно; следовательно, В истинно.
◽️Индукция — вывод от частного к общему: все известные объекты класса А обладают свойством В; следовательно, все объекты класса А обладают свойством В. Важным частным случаем индукции является статистический вывод. Пример: в некоторой выборке элементов класса А x процентов обладают свойством В; следовательно, во всем классе А x процентов его элементов обладают свойством В.
◽️Абдукция — вывод от следствия к причине: если А, то В; В истинно; следовательно, А истинно, т.е. А – причина В.
Каждый из этих видов имеет свои достоинства и недостатки.

ИИ, машинное обучение, машинное зрение и другие термины.
Прежде чем углубляться в применения ИИ в военной сфере, стоит дать определение самим терминам. Термины искусственный интеллект, машинное обучение (МО), глубокое обучение (ГО), нейронные сети (НС), Биг Дата хотя и взаимосвязаны, иногда используются взаимозаменяемо, что в корне не верно.
◽️Искусственный интеллект или искусственная система — представляет собой технологические решения, которые позволяют имитировать когнитивные функции человека и получать результаты, сопоставимые с реализацией его интеллектуальной деятельности. Ключевое отличие систем ИИ от обычных программных средств заключается в способности ИИ к обучению. Системы на основе ИИ обучаются, извлекая закономерности из данных и настраивая внутренние скрытые параметры, необходимые для получения решения.
ℹ️ Если система не способна строить умозаключения, делать выводы и принимать решения, она не является интеллектуальной.

◽️Машинное обучение — дисциплина, находящаяся на пересечении математической статистики, численных методов оптимизации, теории вероятностей, а также дискретного анализа. С помощью ее методов происходит решение задачи извлечения знаний из данных, которой занимается еще только формирующаяся область «Интеллектуальный анализ данных (ИАД)» (DataMining).

◽️Глубокое обучение — это подотрасль МО, то есть здесь тоже компьютер обучается, но обучается немного по-другому, чем в стандартном МО. В ГО используются нейронные сети (НС), которые представляют собой алгоритмы, повторяющие логику нейронов человеческого мозга. Большие объемы данных проходят через эти нейронные сети, и на выходе выдаются уже готовые ответы. Иногда нейронные сети называют даже черным ящиком, потому что мы не всегда можем понять, что происходит внутри этих сетей.

◽️Машинное зрение — научная область, занимающаяся исследованиями в области автоматической фиксации и разного рода обработки изображений (обнаружение, отслеживание, идентификация) с помощью компьютера. Это один из инструментов ИАД для получения данных, чтобы ИИ обучался. Поэтому во фразе «Использование ИИ в системах машинного зрения предполагает, что машина сможет принимать более сложные решения, выходящие за пределы современных возможностей» все поставлено с ног на голову и она не верна.
ℹ️ Никакая система машинного зрения никакие решения не принимает. Решения принимает система искусственного интеллекта, а МЗ может использовать алгоритмы, библиотеки и другие способы для более качественного получения цифровой фото и видеоинформации и объема данных, на которых в свою очередь происходит обучение ИИ. И на сегодняшний день не существует идеальных алгоритмов и в целом систем машинного зрения, которые предназначены для решения универсальных задач.

Для понимания краткую схему можно обозначить так:
ИИ➡️Машинное обучение➡️Машинное зрение

⬇️(продолжение)

⬆️Искусственный интеллект на поле боя: мифы и реальность (продолжение)

О вычислительных мощностях или «проблема бездонного ведра».
«Министерство обороны США в свое время вкладывало огромные суммы в создание крупных баз обыденных знаний. Эксперты, компетентные в логике и вычислениях, по капле скармливали этим системам тривиальные утверждения, например, «у живого человека есть голова», или "поливалки брызгаются водой", или "от воды вещи мокнут" и так далее». Это занятие превратилось в «проблему бездонного ведра: задача наполнения вычислительной базы знаний утверждениями, выраженными в виде логических высказываний, оказывается бесконечной.

Большие объемы вычислений требуют огромных энергозатрат. Например, для обучения большой языковой модели, такой как GPT-3, по оценкам требуется чуть менее 1300 мегаватт-часов (МВт·ч) электроэнергии — примерно столько же, сколько потребляют ежегодно 130 домов в США. Для сравнения: для просмотра часа Netflix в потоковом режиме требуется около 0,8 кВт⋅ч (0,0008 МВт⋅ч) электроэнергии. Это означает, что вам пришлось бы смотреть 1 625 000 часов, чтобы потреблять столько же энергии, сколько требуется для обучения GPT-3. А ведь GPT это самая продвинутая модель ИИ, это лишь «Т9 вашего телефона на стероидах».

Хайпуем, сегодня мы с тобой хайпуем.
Кроме энергозатрат, существуют и другие проблемы, в некоторых случаях они напоминают ситуацию — «Пилите, Шура, пилите! ... Шура, сколько вам нужно для полного счастья?».

На волне хайпа ХХI века считалось, что искусственный интеллект может быть самым полезным технологическим
достижением. За последние два десятилетия это, несомненно, самая разрекламированная технологическая разработка. Шумиха вокруг её повысила ожидания результатов и, к сожалению, затуманила общественное понимание истинной природы искусственного интеллекта, а также его реального потенциала и его пределов. Сами признаки искусственного интеллекта, машинного обучения, взаимодействия человека и машины и анализа больших данных плохо понимаются, за исключением специалистов, и эти термины публично используются весьма произвольным образом, иногда преднамеренно. В рамках исследования, проведённого лондонской инвестиционной компанией MMC Ventures, не удалось отыскать никаких подтверждающих доказательств (основанных на
общедоступной информации и интервью с руководителями) действительного применения искусственного интеллекта или оперирования таковым – в 40 % из 2 830 стартапов искусственного интеллекта в Европе.

В России эта проблема не менее остра — когда за искусственный интеллект выдаётся всё что угодно, к нему никакого отношения в реальности не имеющее. Однако всё же объективно имеются яркие и достоверные, прагматически релевантные, реалистичные решения по созданию и внедрению технологий искусственного интеллекта – в сфере транспорта, в сфере космических исследований, в сфере фармацевтики, в сфере медицины, в сфере энергетики, в военной сфере, в государственном управлении, в других сферах.

Гэри Маркус, один из самых авторитетных и цитируемых исследователей искусственного интеллекта, в своей новой книге ставит вопросы «что не так с генеративным ИИ и большими языковыми моделями? Действительно ли это тот самый искусственный интеллект, о котором рассказывают, что он способен радикально изменить человеческую цивилизацию?». И подробно разбирает в какой момент технологическая индустрия свернула не туда и создала многомиллиардный мыльный пузырь, основанный не столько на реальных технологических прорывах, сколько на хайпе и завышенных ожиданиях.

💥 (Антисказочник) «Сказки хороши, когда они не имеют отношения к действительности и на них не пилят бюджет».

И что бы мы ни думали о грядущем, иногда действительность вносит свои коррективы. На видео Москва наших дней. В Строгино образовалась пробка из пяти трамваев, потому что беспилотный трамвай по неизвестным причинам остановился. Некоторое время назад в Екатеринбурге из-за сбоя программы отдыхал на путях трамвай, теперь в Москве трамвай-беспилотник.

Беспилотные системы сегодня активно внедряются в самых разных сферах, выходя далеко за рамки привычного FPV-пилотирования. В специальной военной операции они уже не просто внесли вклад, а существенно изменили тактику и стратегию ведения боевых действий. От скептицизма к признанию грозной силы — путь, пройденный беспилотниками, очевиден. В ближайшем будущем они будут выделены в отдельный вид войск.

Беспилотные системы стали неотъемлемой частью современной логистики, разведки и наблюдения. Они позволяют собирать данные в труднодоступных и опасных зонах, проводить высокоточную аэросъемку, анализировать изменения в обстановке в режиме реального времени. Использование беспилотников для мониторинга и анализа данных открывает новые горизонты эффективности и точности, позволяя принимать более обоснованные решения на поле боя.

Это не только "птицы в небе". Развиваются и наземные беспилотные машины и транспортеры, безэкипажные катера (БЭКи) и другие автономные средства. Примечательно, что эти разработки активно ведутся не только крупными оборонными концернами, но и небольшими коллективами (привет народный ОПК). Однако, робототехнические системы всегда стояли особняком, это отдельная, и, пожалуй, наиболее перспективная область развития беспилотных технологий. Их возможности простираются от автономной разведки и уничтожения целей до проведения сложных инженерных работ.

1️⃣ ЦБР | Подписаться

По легенде, в этот день писатель-фантаст Айзек Азимов сформулировал три закона, которые стали обязательными правилами поведения для роботов:
1⃣Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред.
2⃣Робот должен повиноваться всем приказам, которые дает человек, кроме тех случаев, когда эти приказы противоречат первому закону.
3⃣Робот должен заботиться о своей безопасности в той мере, в которой это не противоречит первому или второму законам.
Впервые мир увидел законы Азимова в 1942 году, когда был опубликован его рассказ «Хоровод».

Мы поздравляем всех, кто так или иначе связан с этим направлением! Желаем успехов, свежих идей и вдохновения в создании технологий будущего.