С каждым днем самые продвинутые системы искусственного интеллекта становятся все умнее и умнее, получая новые знания и умения. ИИ уже сейчас способен во многих сферах быть лучше людей. Но за всем этим «превосходством» скрываются лишь строчки кода и четко выверенные алгоритмы, которые не позволяют программе быть «свободной в своих мыслях». Иными словами, машина не может делать то, что в нее не заложено. ИИ может приходить к логическим выводам, но не умеет рассуждать на заданную тему. И похоже, что скоро это изменится. 
Как люди познают окружающий мир
Мы, как и все разумные организмы, узнаем об устройстве окружающего мира постепенно. Представьте, что годовалый младенец увидит, как игрушечный грузовик съезжает с платформы и повисает в воздухе. Для него в этом не будет ничего необычного. Но проделайте тот же эксперимент всего два-три месяца спустя, и маленький человек тут же поймет, что что-то не так. Ведь он уже знает, как работает гравитация.
«Никто не говорит ребенку, что объекты должны падать», — говорит Ян Лекун, глава Facebook в направлении разработки искусственного интеллекта и профессор Нью-Йоркского университета. — «Многое из того, что дети узнают о мире, они узнают через наблюдение».
И, как бы просто это не звучало, именно такой подход может помочь разработчикам ИИ создавать более продвинутые версии искусственного разума.
Почему так сложно научить ИИ рассуждать
Глубокое машинное обучение (то есть, грубо говоря, получение определенных навыков методом проб и ошибок) сегодня позволяет ИИ добиться огромных успехов. Но самое главное искусственный интеллект сделать до сих пор не способен. Он не может рассуждать и делать выводы на основе анализа объективной реальности, в которой он существует. Другими словами, машины по-настоящему не понимают окружающий мир, что делает их неспособными взаимодействовать с ним.
Одним из способов совершенствования ИИ может стать своего рода «общая память», которая будет помогать машинам получать информацию о мире вокруг и постепенно изучать его. Но это не решает всех проблем.
«Очевидно, мы что-то упускаем», — говорит профессор Лекун. — «Ребенок может развить понимание того, как выглядят взрослые слоны и их детеныши после того, как увидит всего 2 фотографии. В то время как алгоритмы глубокого обучения должны просмотреть тысячи, если не миллионы изображений. Подросток может научиться безопасно водить машину, практикуясь пару десятков часов и понять, как избежать аварий, а вот роботы должны накатать десятки миллионов часов».
Как научить ИИ рассуждать
Ответ, по мнению профессора Лекуна, заключается в недооцененной подкатегории глубокого обучения, известной как неконтролируемое обучение. Когда алгоритмы, основанные на контролируемом и усиленном обучении, учат ИИ достигать цели через ввод данных извне, неконтролируемые разрабатывают шаблоны поведения самостоятельно. Проще говоря, есть 2 способа научить робота ходить: первый — ввести в систему все параметры, основанные на строении робота. Второй — «объяснить» принципы того, что такое ходьба, и заставить робота учиться самостоятельно. При этом подавляющее большинство существующих алгоритмов работают именно по первому пути. Ян Лекун считает, что акцент должен быть смещен в сторону второго способа.
«Исследователи должны начать с обучения алгоритмов прогнозированию. Например, научить нейронные сети предсказывать вторую половину видео, посмотрев лишь первую. Да, в этом случае неизбежны ошибки, но таким образом мы учим ИИ рассуждению, расширяя возможности его применения. Возвращаясь к примеру с ребенком и игрушечным грузовиком: у нас есть 2 возможных исхода — грузовик упадет или зависнет. «Подкиньте» нейросетям еще сотню другую таких примеров и они научаться строить логические взаимосвязи и в конечном итоге научаться рассуждать». Источник