Есть ли у искусственного интеллекта воображение

В эпоху нестабильности и кризисов получить конкурентное преимущество поможет то, что отличает нас от машин, — воображение. В истинности такого подхода уверены глава Института Брюса Хендерсона BCG Мартин Ривз и нейробиолог Джек Фуллер — авторы новой книги «Машина воображения».

Но разве машины не умеют придумывать? Принято считать, что компьютеры выдают результаты, лишь «отвечая» на наши запросы. На самом деле вывести работу искусственного интеллекта (ИИ) на уровень «генерации чего-то из ничего» можно. 

Так, выдающийся компьютерный инженер Блез Агуэра-и-Аркас разработал алгоритм, благодаря которому машина выдает новые изображения, например птиц, основываясь на сформированном у нее представлении о множестве. Искусственный интеллект «поглощает» все «пространство вещей», которые можно принять за птицу, и представляет пользователю свое видение.

Этот процесс похож на работу человеческого воображения: наш мозг рассматривает все множество даже самых абсурдных возможностей и генерирует максимально правдоподобный, релевантный или требующий меньшего количества ресурсов (тут уже человек куда более избирателен) результат. Машины будут совершенствовать свои когнитивные навыки, а значит, и нам пора подойти к вопросу «использования» воображения более системно. 

Заменит ли нас искусственный интеллект

Однажды художник Марио Клингерманн попросил алгоритм обработки языка GPT-3 написать рассказ про твиттер в стиле Джерома К. Джерома. И вот что получилось: «Занимательно, что если лондонцы еще где-то и сидят, то только в соцсетях. Этот удивительный факт открылся мне во время очередной поездки на море. Обычных рыболовных сетей обнаружено мною не было, а вот виртуальные донельзя пленили воображение отдыхающих». А четыре года назад американский подросток и вовсе написал алгоритм для сочинения рэпа. Парижские студенты взяли рэп-код и с его помощью попробовали писать картины. Написанный таким образом «Портрет Эдмона де Белами» они продали на аукционе Christie’s за 432 500 долларов.

В медицине искусственный интеллект эффективно ищет новые молекулярные соединения для борьбы с раком. Суть подхода та же: взять массив данных и отобрать подходящие варианты из еще не реализованных, но гипотетических возможностей. Казалось бы: собираем вещи и идем переучиваться. Спросим только у искусственного интеллекта — на кого. Но все ли так однозначно?

Как минимум у ИИ нет ментальной модели, которая бы позволяла выстроить причинно-следственные связи. GPT-3, о котором мы говорили выше, лишь рассчитывает вероятность того, что одна строчка текста будет следовать за другой. То есть система не изучает окружающий мир, она изучает текст: то, как человек использует слова «по отношению к другим словам», — и сшивает вариации. Творческий, но копипаст. Понятийные концепции внутри текста и дискурсы машина не анализирует. Кроме того, у машины нет мотивации — она не знает, зачем и что именно ей нужно переосмыслить.

Пока искусственный интеллект не может выстроить причинно-следственную связь между замыслом и реализацией, инновацией и неудачей, заменить человека с воображением ему не удастся. 

Как будут сотрудничать человек и искусственный интеллект

В левой части графика — люди тех профессий, в которых важно руководствоваться уже известной информацией, в правой — тех, где за успех отвечает воображение. По вертикали — ось эмпатии: чем выше показатель, тем важнее для профессионала распознать душевное состояние собеседника и адекватно на него отреагировать, внизу же — задачи, решение которых требует навыков систематизации. 

Таким образом, в левой нижней части графика — люди, работающие по правилам и «в системе»: бухгалтер или механик, водитель и даже рыночный аналитик. Тут человека практически с 90% успехом может заменить ИИ. 

В левой верхней четверти — те, в чьих профессиях знание правил «соседствует» с эмпатией. Здесь будут, например, врачи и журналисты. В их работе искусственный интеллект поможет выполнять основные задачи, но интерпретироваться и корректироваться будет человеком. Новости — результаты голосования или счет в хоккейном матче — соберет система, но составить комментарии по ним однозначно не сможет: где цифры, а где эмоции в их отношении? То же и с врачом: собрать статистику и проанализировать данные машина может, но сопоставить с реальным человеком и его состоянием — уже нет. 

Правая нижняя четверть — профессионалы, которым опираться на правила так же важно, как и мыслить гипотетически. Это и программисты, и инженеры, и даже военные. Здесь человек и искусственный интеллект работают в эффективном тандеме, и один без другого существовать в конкурентном мире не сможет.

Последняя четверть, то есть верхняя правая часть — это люди, принимающие решения в «нестабильных системах» и прогнозирующие будущее. Психологи и политики все еще будут минимально обращаться к помощи ИИ, руководствуясь собственным воображением и талантами. 

Что будет дальше

Искусственный интеллект избавит нас от утомительного процесса анализа и от поиска интересных аномалий. Алгоритмы помогают выявлять статистические выбросы и аномалии в медицине, таким образом повышая точность данных и удваивая скорость обработки результатов. Но именно аномалии заставляют нас удивляться и подстегивают тем самым работу воображения.Ограничение для ИИ будут прежними: рамки анализа задает человек. Именно он решает, что считать аномалией в рамках конкретной ментальной модели, а что — нет. ИИ, как мы помним, видит, считывает, но не осознает.

Тем не менее искусственный интеллект может помочь нам разработать новые ментальные модели. Ментальная модель — это комплексное представление о том или ином явлении в нашем сознании. Например, ментальная модель компании — это то, что сотрудники считают конкурентным преимуществом фирмы, стратегия и ключевые принципы производства. В данном случае ментальная модель включает в себя образы фабрик, продуктов, логотипов или домов потребителей, а также ряд внутренних ощущений и инстинктов — к примеру, что думают и чувствуют потребители, как быть эффективным генеральным директором или что представляют собой члены команды руководства компании.

Система с принципом «смешанной инициативы» — когда ИИ и человек работают над различными частями одной задачи — способна переключить внимание человека на более глубокий анализ принимаемых решений. Так сегодня работают переводчики или клиентская поддержка: машина предоставляет данные, проводит аналогии, находит полезные примеры — от сотрудника требуется вообразить и переосмыслить.

Искусственный интеллект сможет ускорить распространение идей, то есть помочь людям «заражать других своим воображением». Например, дав наглядное представление о взаимодействии или абстракции. Так офис BCG в Нью-Йорке собрал данные об общении сотрудников до и после переезда в новое рабочее пространство. На основе информации получилось составить графики динамики взаимодействия, оценить удобство и препятствия, а еще обнаружить неочевидные человеку связи между людьми (в том же кафетерии). Итогом такого анализа может стать концепция нового офиса, способствующего развитию воображения в команде через более эффективное и частое общение.

Более наглядный пример: ИИ способен превратить абстрактные мазки, схему, когда у человека не хватает времени на детальную проработку, в понятное изображение. На рисунке показано, как ИИ компании NVIDIA превращает набросок широкой кистью в фотореалистичный пейзаж.

Также ИИ поможет определить составляющие успеха. Анализируя материал, искусственный интеллект выделяет основные нюансы, которые делают модель успешной. Например, анализируя поведение студента на сайте онлайн-школы, реально подсказать разработчикам самые интересные разделы, популярные материалы, любимых преподавателей и места, где пользователь «застревает».

Более приземленный пример — ИИ в сельском хозяйстве. Анализируя те или иные методы обработки земли, применение удобрений, погодные условия и сорта культур, машина позволяет увидеть, что именно и в каких комбинациях приносит максимальный результат.

Да, машина не способна (пока) осознавать причинно-следственные связи, но закономерности подчеркнуть может. Благодаря этому понятные инструкции, планы работ и пользовательские интерфейсы составлять намного проще.

Актуальный для нас в «Просвещении» пример — EdTech. Мы с помощью ИИ можем проанализировать, как педагоги и школьники используют те или иные функции медиатеки, что удерживает их внимание там, где им становится сложно. На основе этих данных можно понять, какие функции надо оставить, а какие лучше перенести в инструкцию или за пределы системы. Анализ реальных сценариев использования людьми позволит машине постоянно предлагать достойные обновления интерфейсов.

И наконец, искусственный интеллект позволит нам контролировать среду, в которой творческие люди работают. Звучит страшно, но на самом деле это полезно. Алгоритмы быстрее и эффективнее способны оценить, как часто взаимодействуют сотрудники, сколько времени у них уходит на принятие решения. ИИ даже можно обучить анализировать индивидуальные черты и скорость реакции сотрудников, в том числе потенциальных.

На основании всех этих данных будет проще понять, созданы ли в организации условия для развития воображения, а также схантить новых и талантливых, способных мыслить гипотезами и генерировать идеи.