Пророк искусственного интеллекта: головоломки Михаила Бонгарда

В 1967 году советский ученый Михаил Бонгард опубликовал визуальные головоломки, которые до сих пор ставят в тупик самые продвинутые системы искусственного интеллекта (ИИ). А его книга «Проблема узнавания» вот уже более полувека является настольной для разработчиков ИИ.

Досье

Михаил Бонгард родился 26 ноября 1924 года в Москве. В 1941 году поступил на физфак МГУ, но учебу прервала война. Служил в Красной армии, был ранен под Невелем, в 1945‑м награжден медалью «За отвагу». Физфак окончил после войны.

В 1950‑е работал в Институте биологической физики АН СССР, где совместно с Михаилом Смирновым впервые в мире показал, что многомерная информация может передаваться через одно нервное волокно — ​крупнейшее открытие для понимания нейронного кодирования. В 1963 году перешел в Институт проблем передачи информации АН СССР, с 1967 по 1971 год возглавлял лабораторию переработки информации в органах чувств.

Он был страстным альпинистом, мастером спорта СССР (1960). В 1961 году совершил восхождение на пик Коммунизма (7495 м) и получил золотую медаль чемпионата СССР.

5 августа 1971 года Михаил Бонгард погиб в горах Матча, сорвавшись на ледовом склоне. Ему было всего 46 лет.

Революция в понимании машинного обучения

Главный вклад Михаила Бонгарда — ​переосмысление природы распознавания образов. В 1967 году он выдвинул пророческую идею: «Цель обучения состоит не столько в нахождении разделяющего правила, сколько в отыскании пространства признаков, в котором такое разделение возможно». Эта мысль, высказанная за десятилетия до появления глубокого обучения (см. словарь), точно описывает принцип нейросетей.

Первым в СССР Михаил Бонгард начал использовать компьютеры для моделирования физиологических процессов (1958). В 1959–1961 годах разработал обучающиеся программы «Арифметика» и «Геометрия». Его алгоритм «Кора» (1961) нашел применение в распознавании нефтеносных пластов. Как писал сам ученый: «Откуда же программа получила все необходимые сведения? Только благодаря наблюдению и «творческому осмыслению» примеров, продемонстрированных при обучении».

В 1963 году вышла статья «О понятии «полезная информация», в которой Михаил Бонгард определил ценность информации как увеличение вероятности достижения цели после получения сообщения. Его концепция была новаторской: величина полезной информации могла принимать отрицательное значение, что позволяло измерять дезинформацию.

Рождение легендарных тестов

В 1967 году был напечатан главный научный труд Михаила Бонгарда — ​«Проблема узнавания». Эта монография формулировала философию распознавания: «Если мы хотим перейти от фантастических рассказов к делу, то нужно искать блоки намного более простые, чем мышление в целом, но намного более сложные, чем отдельные команды. По-видимому, узнавание является одним из таких блоков».

В приложении к книге содержалось то, что обессмертило имя Михаила Бонгарда, — 100 визуальных головоломок. Один тест (или задача) Бонгарда состоит из 12 изображений, разбитых на две группы. Требуется определить правило, различающее группы. Гениальность этих головоломок в кажущейся простоте и невероятной глубине. Лишь шесть примеров в каждой категории — ​классический случай обучения с малым количеством данных. Некоторые задачи требуют работы на нескольких уровнях абстракции одновременно, понимания контекста и способности видеть отношения, отсутствующие в изображениях.

В 2006 году специально созданная для задач Бонгарда компьютерная программа Phaeaco смогла решить лишь 15 из 100. В 2020 году исследователи NVIDIA создали тест Bongard-LOGO с тысячами задач, выявив неспособность глубокого обучения захватить ключевые свойства человеческого познания. В 2022 году передовые модели в тесте Bongard­HOI достигли точности 62 % против 91 % у людей. В этом году известная система LLM прошла тест Тьюринга, предложенный математиком Аланом Тьюрингом в 1950 году для проверки «умности» машины. Суть в том, что человек-эксперт общается удаленно в письменной форме с другим человеком и с компьютером. Если эксперт не может надежно отличить ответы машины от человеческих, считается, что машина прошла тест, то есть проявила искусственный интеллект. Задачи Бонгарда ИИ решить пока не способен.

Вечная актуальность

С 1961 по 1970 год Михаил Бонгард с коллегами организовывал в Комарове зимние школы — ​первые в СССР по теории автоматов и распознаванию образов. В 1970‑м, за год до смерти, защитил докторскую диссертацию. Его незавершенным проектом осталось «Животное» — ​система моделирования адаптивного поведения.

Спустя более чем полвека «Проблема узнавания» остается настольной книгой ученых в области ИИ. Тесты Бонгарда используют как эталон оценки систем машинного обучения.

Подход Михаила Бонгарда к распознаванию как процессу нахождения правильного пространства признаков лежит в основе революции глубокого обучения. Акцент на индуктивном обучении с малым количеством примеров по-прежнему актуален в исследованиях ИИ общего назначения. Михаил Бонгард был пророком искусственного интеллекта — ​ученым, чьи идеи опередили время и чья гениальность проявляется с каждым новым витком развития технологий машинного обучения.

СЛОВАРЬ

Глубокое обучение (deep learning) — вид машинного обучения с использованием многослойных нейронных сетей, которые самообучаются на большом наборе данных.