Програмісти сьогодні пишуть усе менше коду. Комп’ютерам він уже не так сильно потрібен через те, що вони можуть самі навчатися. З технологіями машинного навчання цифрові рішення набувають щось схоже на «розум». Приклади його роботи ви могли бачити самі з такими асистентами, як Siri, Cortana, Google Now. Тож як комп’ютери опановуватимуть нові навички, якщо програми їм стануть непотрібними? Експерти кажуть, що ми вчитимемо машини, як тренуємо домашніх тварин.
Ще до винаходу комп’ютерів психологи вважали мозок таємницею – таким собі чорним ящиком. Проте його реакції на зовнішні події можна було аналізувати та спостерігати.
Потім, у 1950-х роках, дослідники в психології, лінгвістиці, теорії інформації запропонували іншу концепцію. Вони стверджували, що мозок – не просто набір рефлексів. На їхню думку, цей орган споживає інформацію, обробляє її та діє на підставі отриманих даних. У ньому є системи для запису, зберігання та виклику спогадів. Вони оперують за допомогою логіки і формального синтаксису.
Такий підхід дав поштовх так званій когнітивній революції. Кількість її прихильників почала особливо збільшуватися у 70-х роках разом з популяризацією комп’ютерів. Психологи почали описувати думки як програми, звичайні люди говорили про здатність запам’ятовувати факти як про запис на жорсткий диск.
Тому немає нічого дивного у тому, що вміння писати код сьогодні стало одним із найбільш затребуваних. «Якщо ви контролюєте код, ви контролюєте світ, – написав футуролог Марк Гудман для Bloomberg Businessweek. – Якщо кодери не керують світом, значить, вони керують речами, що управляють світом».
Програмування відходить у минуле
Проте якщо ви не входите до програмістської еліти, не варто хвилюватися. Адже комп’ютери починають розмовляти з нами нашою мовою. І ви скоро зможете робити те ж саме, що й програмісти.
За останні кілька років компанії з Кремнієвої долини активно впроваджували машинне навчання. Це підхід, у якому вже не потрібно писати точні програми, які вказують комп’ютеру, що робити в той чи інший момент. З машинним навчанням комп’ютерам потрібні лише загальні інструкції. Наприклад, якщо на добірці фотографій потрібно знайти котиків, тоді необхідно вказати машині шукати вуса, вуха, лапи та хвіст. А потім «згодувати» кібернетичній нейромережі набори з тисяч зображень. Спочатку вона буде помилятися, але чим більше часу вона тренуватиметься, тим точнішими будуть відповіді.
Такий підхід не новий, але лише останніми роками він став популярним. Це стало можливим завдяки розповсюдженню глибоких нейромереж – програмним алгоритмам, які імітують роботу людського мозку. Для цього їм також необхідні потужні комп’ютери, які сьогодні доступні.
Машинне навчання вже активно використовується сьогодні. Сервери Facebook, наприклад, самостійно визначають, які новини сьогодні популярні. Google Photos автоматично розпізнає людей на фотографіях. Microsoft Skype Translator дозволяє спілкуватися з іншими без знання мов – перекладом у реальному часі займається комп’ютер. Машинне навчання також є невід’ємною частиною автопілоту для автомобілів.
При цьому при використанні машинного навчання інженери не знають точно, який результат видасть комп’ютер. Іншими словами, комп’ютери стають чорним ящиком, як мозок. Тому якщо раніше програміст був начальником для комп’ютера та точно вказував, що машині робити, то сьогодні він стає тренером. «Я потрапив у комп’ютерні науки в молодості, і мені сподобалося, що я міг розчинитися у віртуальному світі. Останній був чистим аркушем, на якому я міг творити щось з нуля. Це давало мені контроль над роботою багато років, – розповідає один із засновників Android. –У нейронних мережах люди не пишуть програми. Після того як вона навчиться, програміст може лише спостерігати, що відбувається. Ви не можете відкрити власну голову та зазирнути у свої думки».
Штучний інтелект мав бути іншим
Принцип роботи штучного інтелекту замислювався не таким, як сьогодні. Кілька років тому дослідники вважали, що для створення інтелекту необхідно просто впровадити в машину достатній набір правил, який пояснив би їй, як влаштований світ. Вони ігнорували перших прихильників машинного навчання, які виступали за те, щоб насичувати машини даними до того часу, поки вони самі не зроблять висновки.
Роками комп’ютери не були достатньо потужними, щоб підтвердити або спростувати кожен із цих підходів, тому питання перейшло у філософську площину. «Більшість суперечок були засновані на фіксованих поглядах про те, як повинен бути організований світ і як працює мозок, – говорить колишній професор Стенфорда зі штучного інтелекту Себастьян Трун. – У нейронних мережах не було символів і правил, тільки цифри. Це відчужувало від них багатьох людей».
Наслідки цього, кажуть експерти, ми спостерігаємо сьогодні – професія програміста стала однією з найпопулярніших. Але світ, який працює за рахунок нейронних мереж з глибоким машинним навчанням, потребує працівників іншого типу.
Аналітики вже почали переживати про те, який вплив матиме розквіт штучного інтелекту на ринок праці, оскільки машини роблять старі навички застарілими. І програмісти незабаром можуть відчути цей вплив на собі. Програмування перестане бути підвладне навченим кодерам, які вивчили кілька таємничих мов. Воно буде доступно всім, хто хоча б один раз навчив свого пса стрибати через бар’єр. «Для мене це найкрутіша штука в програмуванні, тому що тепер будь-хто може програмувати», – говорить Трун.
За матеріалами: Wired
