Машинное решение

Могут ли машины принимать решения так же, как это делают люди? По этому поводу есть разные мнения. Одни считают, что диапазон принятия решений техническими устройствами ограничен, и эти функции необходимо контролировать. Другие – что в этом процессе техника может оказаться куда эффективнее человека. Так, недавно команда инженеров Университета RMIT совместно с коллегами из Университета Дикина и Мельбурнского университета (Австралия) разработала электронный чип нового типа, способный «генерировать» воспоминания по той же схеме, что и человек, и сохранять эту информацию длительное время. По словам разработчиков, это позволяет данной технической новинке в сжатые сроки принимать сложные решения. Детали проекта опубликованы в журнале Advanced Functional Materials.

В чем отличие человеческого мышления от машинного? По словам ведущего автора проекта и научного сотрудника RMIT Айшани Мазумдер, наш мозг обрабатывает информацию по аналоговому типу. Это позволяет ему справляться с задачами быстро, эффективно и с минимальными затратами энергии. «Цифровая обработка, напротив, требует больших затрат энергии и углерода и препятствует быстрому сбору и обработке информации», – говорит Мазумдер.

Но в случае с новым изобретением все иначе. Наночип с чувствительным элементом, легированным оксидом индия, в тысячи раз тоньше, чем человеческий волос, и при этом способен функционировать без применения внешних устройств. Также ему не требуются частые электрические сигналы для обновления памяти, что ведет к значительному снижению энергопотребления и повышению производительности устройства.

Основные плюсы чипа – это способность улавливать свет подобно человеческому глазу, предварительно упаковывать и передавать информацию так, как это делает оптический нерв, а также хранить и классифицировать ее по принципу человеческой памяти. Специалисты называют такие технологии нейроморфными. Их главное достоинство – скорость в принятии решений.

«Представьте себе беспилотный автомобиль, который может видеть и распознавать объекты на дороге так же, как водитель-человек, или быстро обнаруживать и отслеживать космический мусор, – рассказывает еще один ведущий автор исследования Сумит Валиа. – Это было бы возможно с технологией нейроморфного зрения». Еще одна сфера применения новинки – это нейроморфные роботы. Чипы позволят им автономно функционировать в течение длительного времени в опасных ситуациях, скажем, в местах, где высок риск обвалов, взрывов или отравления химическими веществами.

Ученый добавил, что со временем данные системы смогут научиться адаптироваться к новым ситуациям и будут становиться все более эффективными. «Традиционные системы компьютерного зрения, которые нельзя миниатюризировать, как нейроморфные технологии, обычно программируются по определенным правилам и не могут так легко адаптироваться», – отметил Валиа.

А согласно еще одному исследованию, проведенному Франсисом де Верикоуром и Хусейном Гурканом, профессорами управленческих наук в ESMT Berlin (Германия), машины способны принимать лучшие решения, чем это делают люди. Вот только сами люди часто не способны это осознать и игнорируют решения, предлагаемые алгоритмами, заменяя их на собственные. Специалистам это явление хорошо известно, они именуют его «неприятием алгоритмов» и полагают, что многие изначально испытывают недоверие к машинам. Мы активно пользуемся технологиями, однако в ряде ситуаций не готовы оставлять их без контроля. Об этом рассказывает статья в журнале Management Science.

Наверное, каждый из нас сталкивался с тем, что во время пользования Интернетом выскакивают рекомендации подходящих для нас рабочих вакансий или, скажем, потенциальных друзей в социальных сетях. Но часто ли мы им следуем? Мы можем просматривать эти вакансии или аккаунты, если есть время, однако далеко не всегда соглашаемся с «мнением» алгоритма.

Исследователи задумали проверить, насколько люди склонны считаться с рекомендациями электронных устройств. Для этого они создали аналитическую модель, в которой оператор должен был контролировать работу машины, выполняющей важные задачи, например, по проведению биопсии пациента. Оператору предлагалось делать выбор на основе информации, полученной от устройства при выполнении каждой задачи.

Оказалось, что, если оператор в ходе эксперимента следовал рекомендациям машины и приходил к выводу, что они верны, он начинал больше доверять ее решениям и в дальнейшем поступал так же. Если же он игнорировал машинные решения и поступал по-своему, то не извлекал из этой ситуации никаких уроков.

Ученые заключили, что люди могут так никогда и не научиться использовать машины с полноценной эффективностью из-за предвзятого отношения к решениям алгоритмов.

«Это предубеждение, однако, может быть не единственной причиной неуместного и систематического переопределения алгоритма, – считает профессор де Верикоур. – Возможно также, что мы просто не учимся правильно и эффективно использовать машины, когда наше обучение основано исключительно на правильности алгоритма предсказания машины».

«Наше исследование показывает, что у людей, принимающих решения, явно недостаточно возможностей учиться на интеллекте машины, если они не будут постоянно учитывать ее советы, – вторит профессор Гуркан. – Нам нужно постоянно, а не выборочно, применять способы полного обучения с машинами».

В идеале взаимодействие с машинами должно подсказывать нам, когда лучше довериться алгоритмам, а когда оптимально принять собственное решение без оглядки на технологии.