Блог компании SkillFactory. Автор оригинала: John Pavlus. Мы уже писали об учителе, который повлиял на развитие языка Си, а сегодня рассказываем о когда-то учительнице математики Мелани Митчелл, десятилетиями она работала над цифровым мышлением и считает, что ИИ никогда по-настоящему не будет похож на наш интеллект, пока не научится проводить аналогии. К запуску флагманского курса по Data Science, где мы учим понимать данные, делимся интервью и краткой биографией профессора.

Книга «Гёдель, Эшер, Бах», получившая Пулитцеровскую премию, в 1979 году вдохновила легионы компьютерщиков, но лишь немногие вдохновились столь же сильно, как Мелани Митчелл. Прочитав том из 777 страниц, Митчелл, учительница математики средней школы в Нью-Йорке, решила, что ей «необходимо» заниматься искусственным интеллектом. Вскоре она разыскала автора книги, исследователя ИИ Дугласа Хофштадтера, и уговорила его взять её на стажировку.

Тогда Митчелл прошла всего несколько курсов по информатике, но Хофштадтер был впечатлён её смелостью и не беспокоился об академических знаниях. В последнюю минуту она подготовила заявление в аспирантуру и поступила в новую лабораторию Хофштадтера Мичиганского университета в Анн-Арборе. Следующие шесть лет Митчелл и Хофштадтер провели в тесном сотрудничестве, работая над Copycat — компьютерной программой, которая, по словам её соавторов, была разработана, чтобы «обнаруживать проницательные аналогии, делая это реалистично с точки зрения психологии».

Аналогии, придуманные Copycat, проводились между простыми узорами из букв, подобно аналогиям в стандартизированных тестах (standardized tests).

Пример: если строка «abc» меняется на строку «abd», то на что меняется строка «pqrs»? Хофштадтер и Митчелл считали, что понимание когнитивного процесса аналогии — того, как люди устанавливают абстрактные связи похожих идей, восприятием и опытом, — будет иметь решающее значение в создании искусственного интеллекта, подобного человеческому.

Митчелл утверждает, что аналогия может быть гораздо глубже, чем просто подбор шаблонов в стиле экзамена. «Это понимание сути ситуации через её сопоставление с другой ситуацией, которая уже понятна, — говорит она. – Если вы расскажете мне историю, а я скажу: «О, со мной произошло то же самое», то в буквальном смысле со мной произошло не то же самое, но я могу сделать отображение, и ситуации станут похожими. Так мы, люди, делаем постоянно, даже не осознавая, что делаем это. Мы постоянно плаваем в море аналогий».

Будучи профессором в науке о поведении сложных систем в Институте Санта-Фе, Митчелл вывела свои исследования за пределы машинного обучения. Сегодня она возглавляет проект SFI «Основы интеллекта в естественных и искусственных системах», в рамках которого в течение следующего года будет проведена серия междисциплинарных семинаров, посвящённых изучению того, как биологическая эволюция, коллективное поведение (социальных насекомых, например муравьёв) и физическое тело способствуют развитию интеллекта.

Роль аналогии в её работе велика как никогда, особенно в области искусственного интеллекта — области, основные достижения которой за последнее десятилетие в значительной степени обусловлены глубокими нейронными сетями, технологией, имитирующей многоуровневую организацию нейронов в мозгу млекопитающих.

«Современные нейронные сети очень хорошо справляются с определёнными задачами, — говорит Митчелл, — но они очень плохо переносят то, чему научились в одной ситуации, на другую ситуацию — в этом суть аналогии».

Митчелл считает, что проведение аналогий, позволяя системам искусственного интеллекта применять существующие знания к новым проблемам, поможет им по-настоящему понять данные.

Quanta Magazine поговорил с Митчелл о том, как ИИ может проводить аналогии, что в этой области известно сегодня и куда нужно двигаться дальше. Интервью было сокращено и отредактировано для ясности.