Книга Человек + машина - Джеймс Уилсон

Рис. 4. «Недостающая середина» — левая часть

Специалисты по обучению

В прошлом людям приходилось приспосабливаться к работе компьютеров. В настоящее время происходит обратный процесс — системы искусственного интеллекта учатся тому, как адаптироваться к нам. Для достижения этой цели им требуется всестороннее обучение. На рис. 5 перечислены профессии, без которых системы искусственного интеллекта невозможно будет обучить тому, как выполнять определенные задачи или как действовать немного более… очеловеченно. Как правило, мы положительно реагируем на искусственный интеллект, демонстрирующий человекоподобное поведение, ведь это позволяет нам поддерживать более естественное взаимодействие с машинами. (С другой стороны, у нас могут вызывать неприязнь малейшие отклонения в поведении человекоподобных роботов — этот феномен, получивший название «зловещая долина», рассматривается в одном из следующих разделов данной главы.)

Рис. 5. Функции специалистов по обучению

Например, промышленных роботов, работающих рядом с людьми, необходимо программировать и обучать выполнению разных задач, что требует привлечения сотрудников с соответствующими навыками. Автомобилестроительные компании с высоким уровнем автоматизации несут огромные потери при выходе оборудования из строя. Незапланированный шестичасовой простой автоматизированной сборочной линии, выпускающей по одному автомобилю стоимостью $50 000 в минуту, обходится примерно в $18 миллионов. Именно по этой причине компания Fanuc (ведущий производитель робототехники) обучила 47 тысяч людей использованию своего оборудования. Тем не менее в ближайшие годы будет не хватать около 2 миллионов квалифицированных специалистов для работы на производстве[92].

Физические роботы — не единственный тип систем искусственного интеллекта, которым необходимо обучение. Интеллектуальное программное обеспечение также нуждается в обучении — и в этом случае очень важно, чтобы обучающиеся машины обрели человекоподобные черты. В самых простых случаях специалисты по обучению помогают системам распознавания естественного языка и «переводчикам» делать меньше ошибок. В более сложных случаях алгоритмы искусственного интеллекта необходимо научить имитировать человеческое поведение. Например, чат-боты, обслуживающие клиентов, должны научиться распознавать неочевидные моменты человеческого общения. В Yahoo! специалисты по обучению искусственного интеллекта стремятся научить корпоративную систему обработки естественного языка тому, что люди не всегда имеют в виду то, что говорят. К настоящему времени компания разработала алгоритм, способный обнаруживать сарказм в социальных сетях и на веб-сайтах с точностью до 80%[93].

По мере того как искусственный интеллект будет охватывать все больше отраслей, вырастет число компаний, испытывающих потребность в специалистах по обучению физических и программных систем искусственного интеллекта. На первом этапе целесообразно привлекать тех квалифицированных сотрудников, которые уже работают в тесном взаимодействии с системами искусственного интеллекта или с системами, в которые интегрирован искусственный интеллект. Во многих случаях от скрытых знаний таких специалистов зависит, будет ли система работать эффективно или ее ждет провал. Затем, после того как она усвоит основные принципы, необходимо перейти на следующий уровень обучения, который обеспечит дальнейшую детализацию и устойчивость, как в приведенных ниже примерах.

Специалист по обучению эмпатии — это человек, который учит системы искусственного интеллекта демонстрировать сочувствие. Такая задача может показаться надуманной, однако упомянутый в главе 4 стартап Koko, созданный в медиалаборатории Массачусетского технологического института, разработал систему машинного обучения, которая призвана помочь таким чат-ботам, как Siri компании Apple и Alexa компании Amazon, реагировать на вопросы пользователей с сочувствием и глубоким пониманием. В настоящее время специалисты обучают алгоритм Koko более чутко реагировать на запросы людей, которые, например, опечалены потерей багажа, покупкой некачественного товара или мигающим монитором, который никак не удается починить. Цель — добиться того, чтобы система обсуждала с человеком проблему или сложную ситуацию, проявляя сочувствие, сострадание, а может, даже юмор. Каждый раз, когда алгоритм Koko реагирует ненадлежащим образом, специалист по обучению помогает ему внести необходимые коррективы в свои действия. Со временем такой алгоритм машинного обучения обретет способность давать лучший ответ.

Этот пример демонстрирует потенциал современных систем искусственного интеллекта такого рода. Без алгоритма Koko Alexa реагирует на опасения пользователя заранее заготовленными, повторяющимися фразами, такими как «Мне жаль это слышать» или «Порой помогает разговор с другом». Благодаря алгоритму Koko бот Alexa способен оказать гораздо более существенную поддержку. Вот как звучит ответ виртуального помощника Alexa с алгоритмом Koko человеку, который волнуется перед предстоящим экзаменом: «Экзамены действительно вызывают стресс, однако небольшое беспокойство помогает добиться успеха. Оно обостряет интеллект… Так организм готовится действовать. На самом деле это даже полезно. Нервозность можно воспринимать как секретное оружие. Я знаю: это легче сказать, чем сделать. Но я думаю, ты сдашь экзамен гораздо лучше, чем тебе кажется». В случае приложений для обслуживания клиентов с использованием искусственного интеллекта хорошо обученный чуткий бот позволит вам обойти конкурентов.

Помимо обучения эмпатии усовершенствованные системы искусственного интеллекта будут также учиться тому, как стать более похожими на человека, — им помогут в этом специалисты по обучению личностным качествам. На первый взгляд предположение о том, что у систем искусственного интеллекта может возникнуть потребность в развитии определенных личностных качеств, нам кажется в чем-то даже дерзким. Но подумайте, какую важную роль может сыграть такая технология, как виртуальный помощник Cortana компании Microsoft, в контексте создания бренда и его дальнейшего поддержания (о чем шла речь в главе 4). Возьмем, к примеру, уверенный, компетентный и заботливый стиль общения системы Cortana. Благодаря интенсивному обучению специалистами Microsoft Cortana производит впечатление собеседника, который всегда готов помочь, но при этом не склонен к менторскому тону. Например, Cortana начнет понимать, в каких случаях конкретный человек наиболее восприимчив к рекомендациям. Все это соответствует миссии Microsoft, которая уже много лет поддерживает расширение возможностей пользователей.