Джеффри Хинтон — один из создателей современной теории нейросетей. На его исследованиях глубокого машинного обучения основаны многие современные алгоритмы ИИ. В кратком интервью для MIT Technology Review Хинтон делится своими соображениями о том, что происходит и куда все движется в сфере ИИ.

• Хинтон считает, что глубокое обучение сделает возможным моделирование полноценного человеческого интеллекта. Но для этого нужны теоретические прорывы — в том числе в анализе того, как именно нейронные сигналы формируют мышление.

• Также нас ждет дальнейшее масштабирование нейросетей. Самая мощная существующая модель GPT-3 содержит 175 миллиардов параметров, тогда как мозг — 100 триллионов параметров (синапсов).

• Следующий большой вызов для разработчиков ИИ — научить машины понимать, что они делают. Отдельно Хинтон выделяет управление движениями. Если робот может открыть ящик и достать коробку, при этом озвучивая свои действия, то сложно сказать, что он не понимает, что делает.

• Есть два подхода к тому, как мозг воспринимает изображение: одни исследователи считают, что он мозг обрабатывает изображение ("пиксели"), другие — что символы. Хинтон считает, что оба подходы неверны: мозг оперирует не пикселями и не символами, а векторами нейронной активности (т.е. наборами активаций тех или иных нейронов). Такой подход позволяет ему предположить, что мозговую активность можно смоделировать алгоритмами глубокого обучения.

• Прогнозы Хинтона могут казаться спорными. Но в 80-х его идеи тоже не понимали и ставили под сомнение. Теперь это мейнстрим компьютерных наук.