Будущее ИИ и роль науки: интервью с профессором Крисом Бишопом 0:00
Искусственный интеллект сегодня переживает период стремительного развития, переходя от узкоспециализированных задач к созданию универсальных систем, способных к абстрактному мышлению. Профессор Крис Бишоп, один из ведущих экспертов в этой области и директор Microsoft Research AI for Science, в беседе с каналом Machine Learning Street Talk обсудил эволюцию глубокого обучения, значение своего нового учебника и потенциал нейросетей как «соавторов» в научных открытиях.
📚 Новый взгляд на основы глубокого обучения 2:02
Крис Бишоп совместно со своим сыном Хью опубликовал учебник Deep Learning Foundations and Concepts, стремясь систематизировать знания в быстро меняющейся сфере. Авторы сделали акцент на «долгоиграющих» принципах, которые сохранят актуальность дольше, чем отдельные архитектуры, устаревающие за месяцы.
- Производственные стандарты: Книга напечатана с использованием техники «stitch signatures», позволяющей раскрывать её плоско для удобства чтения.
- Фундаментальность: Бишоп утверждает, что такие понятия, как теория вероятностей и градиентные методы, остаются незыблемым фундаментом, несмотря на все технологические инновации.
- Генеративные архитектуры: Особое внимание в книге уделено трансформерам (архитектура GPT) и диффузионным моделям, представленным в рамках единой концепции.
🧠 Нейросети как зеркало человеческого разума 7:15
По мнению Бишопа, давние дискуссии о необходимости сочетания коннекционизма (нейросетей) и символьных вычислений уходят в прошлое. Современные модели уровня GPT-4 доказывают, что один и тот же субстрат способен как к интуитивному распознаванию паттернов, так и к абстрактному рассуждению.
- Преодоление ограничений: Учёный призывает использовать приставку «ещё» (yet) по отношению к любым ограничениям ИИ: «Нейросети не могут делать X пока что».
- Специфика против общего: Крупные мультимодальные модели, обученные на широком спектре данных, часто превосходят специализированные решения даже в их узких областях, таких как написание кода.
- Психологический барьер: Бишоп полагает, что скептицизм в отношении «творчества» ИИ отчасти вызван человеческим стремлением защитить свою уникальность: «Мы склонны оценивать нейросети более строгой линейкой, чем людей».
🧪 Научные открытия: пятая парадигма 45:48
Крис Бишоп считает применение ИИ в естественных науках — физике, химии, биологии — самым важным направлением развития технологий.
- Эмуляция: Использование нейросетей для эмуляции сложных физических симуляторов (например, для прогноза погоды) даёт ускорение в 1000 раз, что кардинально меняет научный цикл.
- Данные и индуктивные смещения: В отличие от языковых моделей, где «горький урок» Рича Саттона (данные важнее правил) работает безотказно, в науке крайне важны индуктивные смещения, основанные на фундаментальных законах (например, сохранение энергии или симметрия).
- Разработка лекарств: Исследовательская группа Бишопа применяет трансформеры к «языку молекул» (строкам SMILES) для поиска новых лекарств. В сотрудничестве с Gedi (Global Health Drug Discovery Institute) удалось повысить эффективность связывания молекул-кандидатов для борьбы с туберкулёзом на два порядка.
🏗️ Прошлое и будущее: от токамаков до гипотез 43:06
Оглядываясь на свою карьеру, Бишоп отмечает, что в начале 90-х нейросети не считались респектабельным полем, но именно их ставка на глубокое обучение оказалась исторически верной.
- Исторический момент: Учёный с теплотой вспоминает свой первый эксперимент по управлению плазмой в токамаке с помощью нейросети, что требовало создания гибридного аналого-цифрового оборудования.
- Будущее архитектур: Бишоп не считает, что трансформеры — это последнее слово в ИИ, и прогнозирует появление новых, более эффективных подходов к моделированию реальности.
- Открытый финал: Наука для Бишопа остаётся «бесконечным рубежом» (The Endless Frontier), где ИИ выступает в роли дирижёра оркестра, позволяя человеку быстрее проверять гипотезы в условиях огромных массивов данных.
