В беседе с РИА Новости он спрогнозировал 5 трендов 2022 года в области когнитивных технологий совокупность методов и инструментов для достижения желаемого результата; в широком смысле — применение научного знания для решения практических задач.
Под первым номером Бухановский назвал когнитивные «кентавры», или гибридные системы помощи принятия решений, принцип работы которых основан на совместном итеративном решении многозначный термин сложной задачки человеком и искусственным интеллектом (ИИ). Причем они будут действовать на равных, в отличие от традиционного подхода, когда человек выступает и «учителем», и мерилом качества для искусственного интеллекта, отметил собеседник агентства.
«Таким образом, человек и искусственный ум могут одновременно проявлять свои сильные качества (человек – за счет интуиции, а ИИ – за счет быстродействия и безусловной памяти), что разрешает достичь лучшего результата, чем по отдельности», — сказал Бухановский.
Эти технологии необходимы в ситуациях, когда решаемая задачка сложна для восприятия человеком, пояснил он.
«Для распознавания ношения масок на фотографиях такой подход очевидно избыточен — здесь справятся и классические методы машинного зрения, а вот, к примеру, для управления крупной промышленной компанией – самое то», — отметил эксперт.
Последующим трендом, по мнению Бухановского, станет так называемый генеративный дизайн социотехнических систем.
«Обычно под генеративным дизайном понимают применение искусственного ума для задач автоматического проектирования, когда необходимо создать цифровое описание объекта реального мира, соответственного априорным требованиям. Для обычных технических систем этот подход не является новым», — объяснил Бухановский.
Тем не менее прямой перенос такого подхода на социотехнические системы (например, организационные схемы работы компаний) напрямую невозможен – люди вносят (в том числе умышленно) дополнительный фактор неопределенности, который не разрешает применять существующие методы оптимизации и даже утверждать, что решение такой задачи возможно, добавил эксперт. Но подход со стороны методов способ достижения какой-либо цели искусственного интеллекта позволяет обойти эту проблему, сказал Бухановский.
Просто потому в будущем можно ожидать, что ИИ, например, сможет проектировать производственную линию вместе с требованиями к тех персоналу, графиком их труда, а также HR-стратегией, направленной на развитие и удержание квалифицированных служащих, отметил собеседник агентства.
Третьим трендом-2022 станут композитные технологии автоматического машинного изучения «для понимания человеком общественное существо, обладающее разумом и сознанием, субъект общественно-исторической деятельности и культуры, относящийся к виду Человек разумный, но на «нечеловеческой» логике», считает Бухановский.
По его словам, системный дефицит специалистов по работе с немаленькими данными заставляет задуматься о возможности замены их системами множество элементов, находящихся в отношениях и связях друг с другом, которое образует определённую целостность, единство искусственного интеллекта, которые могут делать тот же самый творческий процесс – формировать решение прикладной задачи на основе существующих способов машинного обучения.
К сожалению, подходы экспертного характера, основанные на описании лучших «человеческих» практик, очутились не так эффективны, как хотелось бы, отметил эксперт.
«Однако совершенно неожиданно позитивный результат стали демонстрировать методы, переворачивающие эту логику «с ног на голову», то есть подбирающие удачную конструкцию модели машинного изучения, отталкиваясь от композиции всевозможных элементов (методов, алгоритмов, библиотек), обеспечивающих наилучшее решение задачки», — добавил Бухановский.
«Уже в 2021 году произошла курьезная ситуация, когда таковой метод автоматически породил решение задачи о предотвращении наводнений, получившее первое место на хакатоне МЧС. При этом на него было потрачено в 10-ки раз меньше времени, чем обычно требуется разработчикам», — рассказал собеседник агентства.
Вероятно, дальше эти тенденции только усилятся, и внедрение таких технологий приведет к тому, что недостаточно квалифицированные спецы, решающие ту или иную задачу просто перебором разных методов, останутся невостребованными на рынке, так как «автоматика» будет делать все лучше, быстрее и гораздо дешевле, полагает Бухановский.
В качестве Качество — философская категория четвертого тренда Бухановский назвал метрологические когнитивные технологии, когда сильный искусственный ум «рассуждает» о качестве более слабого ИИ.
«Поскольку искусственный интеллект работает в условиях неопределенности и неполноты данных, то он, как и человек, способен совершать ошибки», — произнес эксперт.
По его словам, традиционно о качестве систем ИИ рассуждают только на основе эмпирической валидации (поверки на данных зарегистрированная информация:439; представление фактов, понятий или инструкций в форме, приемлемой для общения, интерпретации, или обработки человеком или с помощью автоматических средств (ISO/IEC/IEEE 24765-2010), которые не использовались для обучения).
«Но таких данных всегда мало, они фрагментарны и не постоянно репрезентативны. Потому классические подходы теории измерений здесь не применимы (не с чем сравнивать), и госгарантии качества носят весьма условный характер», — добавил Бухановский Олимпиевич Бухановский (22 февраля 1944, Грозный — 17 апреля 2013, Ростов-на-Дону) — советский и российский психиатр.
Однако развитие спецтехнологий автоматического машинного обучения позволяет строить, по сути, модели ИИ, альтернативные исходной — метрологические образцы, которые и будут создавать недостающие данные для того, чтобы покрыть всевозможные обстановке.
«Как следствие, вопросы качества систем ИИ из чисто эмпирической области перейдут уже на единую теоретическую базу; можно будет более уверенно гласить об их стандартизации и сертификации с точки зрения единства измерений», — отметил собеседник агентства.
В конце концов, пятым трендом станут аватар-подобные технологии, сказал Бухановский.
«Под цифровыми аватарами сейчас часто понимают наборы данных, характеризующих определенного человека в киберпространстве. Эти данные являются основой для разного рода рекомендательных систем, ассистентов и остального. Однако такое понимание аватара является «безжизненным», поскольку отсутствует обратная связь – «понимание» аватаром результатов взаимодействия с киберпространством», — отметил эксперт.
Для того чтобы таковой подход стал продуктивным, а аватар смог самообучаться и развиваться, необходимы так называемые метакогнитивные информационные технологии, воспроизводящая реакцию человека на подобные взаимодействия, объяснил Бухановский.
«Такие технологии могут породить целый набор прикладных решений, связанных с аватарами, к примеру «цифрового инквизитора», позволяющего своему пользователю уверенно существовать даже в «фейковых вселенных», или «охотника за головами», способного по цифровому следу «вычислить» высококвалифицированного спеца (который совсем не собирается менять работу) и сделать ему предложение, от которого он с высочайшей вероятностью не сможет отказаться», — сказал эксперт.
Таким образом, внедрение аватар-подобных спецтехнологий должно привести к новому витку персонификации и «индивидуализации» систем ИИ, добавил Бухановский.