Триада ИИ и её значение для стратегии национальной безопасности
Краткое содержание
Всю сложность современного искусственного интеллекта обобщает одно предложение: системы машинного обучения используют вычислительную мощность для исполнения алгоритмов, которые обучаются на данных. В этих 13 словах — всё, что действительно необходимо знать об этой кажущейся одновременно модной, мощной и загадочной технологии для определения политики национальной безопасности по её поводу. Они задают парадигму современного ИИ — машинное обучение, при котором компьютеры сами делают выводы из данных, в отличие от настраиваемых людьми экспертных систем прошлого.
Это же предложение вводит понятие триады ИИ: алгоритмы, данные и вычислительная мощность. Для способностей систем машинного обучения жизненно важны все три элемента, хотя их относительная важность меняется по мере развития технологий. Алгоритмы определяют, как системы машинного обучения обрабатывают информацию и принимают решения. Сегодня широко распространены три основных класса алгоритмов: обучение с учителем, которое делает выводы из структурированных датасетов; обучение без учителя, которое превосходно справляется с поиском структуры или кластеров в неразмеченных датасетах; и обучение с подкреплением, которое развивает способности системы методом проб и ошибок. Обычно эти алгоритмы работают с нейронными сетями — особым типом архитектуры компьютерных программ. Нейронные сети очень гибки и открывают невероятные возможности, но не лишены недостатков — в первую очередь, их рассуждения непрозрачны.
Данные — это обычно, хотя не всегда, то, как системы машинного обучения узнают о мире. Если какого-то факта нет в предоставленных машине данных, система его никогда не выучит, особенно в случае обучения с учителем. Более объёмные и репрезентативные датасеты могут ещё больше усилить системы машинного обучения. А без них в системы прокрадываются искажения, и они начинают работать хуже, причём отследить это сложно.
По мере того, как алгоритмы усложняются, а датасеты растут, всё важнее становится часто упускаемая из виду вычислительная мощность. За последние восемь лет радикально, в несколько сотен тысяч раз, выросли объёмы вычислительной мощности, применяемой в передовом машинном обучении. Вычислительная мощность все больше влияет на производительность систем машинного обучения и при их разработке на неё уходят значительные средства.
К каждой составляющей триады прилагаются свои рычаги воздействия. Алгоритмический прогресс зависит от способности страны привлекать и выращивать талантливых исследователей машинного обучения. Более объёмные качественные датасеты требуют хитрых решений о предвзятости, конфиденциальности и кибербезопасности. Вычислительная мощность даёт внешнеполитический рычаг влияния через экспортный контроль, а может и ограничивать исследования ИИ внутри страны. Чтобы разумно применять политические рычаги в области ИИ, властям надо сначала понять саму технологию и её влияние на национальную безопасность. Понятие триады ИИ даёт основу для этого понимания.