Яндекс.Метрика
  • Андрей Сергеев

Создатель чат-бота "Евгений Густман" Сергей Уласен: искусственный интеллект успешно водит людей за нос

Петербуржец Сергей Уласен,директор по разработке Acronis и создатель чат-бота "Евгений Густман", компьютерной программы впервые в истории преодолевшей знаменитый тест Тьюринга который определяет, может ли интеллект машины имитировать человеческий, рассказал о перспективах развития искусственного интеллекта.

Петербуржец Сергей Уласен, директор по разработке Acronis и создатель чат-бота "Евгений Густман" - компьютерной программы, впервые в истории преодолевшей знаменитый тест Тьюринга, который определяет, может ли интеллект машины имитировать человеческий, рассказал о перспективах развития искусственного интеллекта.

"Петербургский дневник": В чем секрет, как машине удалось пройти тест? Почему у других программ не получалось обмануть людей?

Сергей Уласен: Работу над Евгением мы начали еще в 2001 году и успели поучаствовать в огромном количестве соревнований. Собирая отклики от судей и приглашенных экспертов, мы постоянно совершенствовали работу чат-бота.

Одним из важнейших элементов Евгения стал анализатор эмоций, который помогает определить настроение собеседника, как ему отвечать, можно ли с ним шутить или, наоборот, не стоит. Затем добавили контроллер диалога, благодаря которому Евгений не просто отвечал на поставленные ему вопросы, а вел диалог. Он интересовался, кем человек работает, спрашивал что-то о семье и личных предпочтениях, когда не знал, что ответить, старался уйти от вопроса. Пожалуй, самым важным в процессе развития Евгения стало постоянное "самосовершенствование". Также мы постоянно дорабатывали его психологический портрет.

"Петербургский дневник": По каким параметрам можно отличить, кто твой собеседник - компьютер или человек?

Сергей Уласен: Чаще всего в качестве судей выступают обычные люди, а не специалисты. Им известна цель соревнования, но часть из них не готовит какие-то каверзные вопросы заранее, а придумывает их по ходу соревнования. Другое дело, если собеседник "в теме", то он очень легко может определить, с человеком он общается или с ботом. У профессионалов даже была игра - "узнай, на какой технологии построен бот, с помощью 10 вопросов". В принципе этого достаточно, чтобы понять, какие правила и модели машинного обучения им используются.

К примеру, один бот обучался по фразам своих собеседников, а потом использовал их в диалоге. С одной стороны, это очень хорошая технология, но с другой - очень заметно, когда на какие-то вопросы он отвечал как мужчина, а на какие-то как женщина, как взрослый или ребенок. 

Был один интересный случай: в рамках конкурса судья рассказал Евгению, что у него машина синего цвета, а через пару вопросов переспросил это у него. Это очень распространенный способ проверить чат-бота. Женя тогда ответил правильно, что произвело очень хорошее впечатление, хотя судья и понимал, что разговаривает с роботом, у него все равно осталось очень хорошее впечатление.

"Петербургский дневник": Где применяются подобные программы на практике, какой потенциал в будущем?

Сергей Уласен: В-первую очередь, персональные помощники типа Siri или Amazon Echo, а также различные виртуальные ассистенты на сайтах и операторы служб технической поддержки. 

Чат-боты лучше всего подходят для тех случаев, когда есть какой-то заранее определенный перечень вопросов, для которых можно сформировать набор типовых ответов. Так, можно существенно снизить нагрузку на сотрудников колл-центра, на которых машина будет автоматически переключать, только когда пользователю потребуется ответ на какой-то индивидуальный вопрос. В ряде случаев боты способны эффективно противостоять атакам программ-вымогателей. Представьте, что во время недавней атаки WannaCrypt системному администратору вашей организации пришло сообщение о том, что на таком-то компьютере детектирован опасный процесс и ему предлагается определенный набор защитных мер: восстановить данные, удалить процесс и прочее.

"Петербургский дневник": В обозримом будущем какие изменения в нашу жизнь внесет развитие искусственного интеллекта? Когда по нашим улицам будут ходить машины, не отличимые от людей?

Сергей Уласен: Для многих из нас машины с искусственным интеллектом (ИИ) уже стали неотъемлемой частью жизни. Программы-помощники рассказывают нам о погоде, маршруте, по которому можно объехать пробку, или рекомендуют новый фильм. Сейчас активно проходит тестирование автомобилей с автопилотом. По мнению ведущих IT-специалистов, это только начало, и в ближайшем будущем мы станем свидетелями настоящего рассвета этой технологии. С появлением андроидов на улицах немного сложнее, все-таки пока это что-то из области научной фантастики. Впрочем, уже сейчас есть области, в которых машины могут заменить человека.

"Петербургский дневник": Какие разработки в области искусственного интеллекта ведутся сейчас, концепции, преобладающие в мировой практике?

Сергей Уласен: Направлений в этой области очень много: обработка естественного языка, машинное обучение, глубокое обучение и т.д. Во всех этих областях сейчас активно ведутся исследования и разработки. В целом, на мой взгляд, самым активным и преобладающим направлением является машинное обучение во всех его проявлениях – все модели, все алгоритмы, для работы которых необходимы обучающие данные.

Далее идет глубокое обучение. Несмотря на то, что в этом направлении мы пока находимся в самом начале, это очень интересная область для исследований. Распознавание объектов с помощью глубокого обучения работает сегодня на очень высоком уровне, вы можете загрузить любую фотографию, и компьютер сможет распознать, что именно на ней изображено. 

"Петербургский дневник": Какой вклад в развитие искусственного интеллекта может внести Северная столица? Научная и кадровая база достаточна или что-то еще предстоит изменить?

Сергей Уласен: В Санкт-Петербурге сильные технические университеты, которые могут готовить специалистов в области искусственного интеллекта. В частности, в университете ИТМО существует лаборатория, одним из основных направлений которой является работа с ИИ.  

С одной стороны, знаний сейчас достаточно и они есть в свободном доступе. Проблема состоит в том, что применить их на практике очень сложно, существует ряд серьезных ограничений. Есть проработанные области, вроде распознания изображения, а есть более узкоспециализированные и менее востребованные, такие как анализ текстов и обращений на естественном языке. 

Мы хотим научить студентов собирать анонимную информацию о поведении пользователя, чтобы понять, где он хранит данные. Это необходимо, чтобы помочь ему эти данные защитить. После того, как мы научимся определять это, необходимо научиться предотвращать уничтожение данных. Процессы могут быть самые разные - начиная от утечки данных, заканчивая тем, что человек просто случайно удаляет папку с нужной информацией. И  хотим, чтобы наши будущие студенты учились разбираться в этой теме и развиваться в направлении защиты данных.

"Петербургский дневник": Внедрение машинного обучения и искусственного интеллекта, практика и перспективы?

Сергей Уласен: Машинное обучение и искусственный интеллект будет все активнее и активнее применяться в тех областях, где требуется обрабатывать огромные массивы данных, находить в них закономерности и транслировать их человеку в виде информации. Например, используя машинное обучение, уже сейчас можно очень эффективно предсказывать погоду или распознавать людей и находить их в соцсетях.

Закрыть