Мировая панорама

Астрология, искусственный интеллект и машинное обучение

Многочисленные попытки подойти к астрологии с позиций статистики не увенчались успехом и подвергались критике со стороны многих астрологов, выступавших против «вычёркивания индивидуальности в угоду усреднённости». Причина неудач статистических подходов к астрологии проста: жизнь слишком сложна и многообразна в своих проявлениях, а в гороскопе слишком много показателей, потому выявить статистически значимые зависимости очень сложно.

Однако век нынешний предлагает новые методы. Теперь есть техники, с помощью которых можно создать и «научить» компьютерную модель, которая будет выдавать приемлемые результаты при решении сложных задач, и при этом создатели этой модели даже не будут знать и понимать, как именно она приняла то или иное решение. Речь идёт об искусственном интеллекте, машинном обучении и нейронных сетях.

Мы не будем сейчас вдаваться в теорию и техническую терминологию, а рассмотрим самые наглядные и известные практические примеры — то, как компьютеры учатся играть в настольные игры и предсказывать погоду, и какое отношение это может иметь к астрологии.

Шахматный суперкомпьютер Deep Blue, обыгравший в 1997 году Гарри Каспарова, это уже прошлый век. Во всех смыслах. В основу его алгоритма была положена продвинутая шахматная теория, и Каспаров не даром пытался сделать не что иное, как расколоть принцип его работы, чтобы затем его (то есть его создателей) переиграть.

Но сейчас принципы машинного обучения совсем другие. Машину не учат теории, она обучается на практике, не зная никакой теории. Самый известный пример здесь — игра в го. Из-за своей сложности игра долго не поддавалась алгоритмизации, и выход был найден в том, чтобы почти полностью отказаться от каких-либо алгоритмов и оценочных функций. В отличие от шахматных программ в AlphaGo были заложены только самые элементарные правила и теория го, а далее использовалось машинное обучение: программе «скормили» десятки тысяч примеров партий, сыгранных профессионалами игры в го.

В результате подобного «питания» AlphaGo научилась играть так, что в 2016 году обыграла чемпиона по игре в го Ли Седоля со счётом 4:1. Даже больше того: Седоль — единственный, кто смог разок обыграть AlphaGo. На днях он сообщил, что завершает свою карьеру, потому что больше не сможет стать лучшим в игре:1

«Даже если я стану номером один за счёт безумных усилий, теперь есть сущность, которую невозможно победить»

Lee_Se-Dol
Ли Седоль

Кратко говоря, программа, не зная теории, обучилась на чужих победах и выдаёт фантастические результаты. То же самое сейчас происходит, например, с прогнозированием погоды. Яндекс «обучает» машину, которая, не разбираясь в метеорологии, будет предсказывать погоду. На этапе подготовки в программу загружается куча всевозможных метеоданных, которые машина сопоставляет с реальными погодными условиями, и на этих примерах «учится», то есть составляет такую модель прогнозирования, которая будет минимизировать вероятность ошибки. Андрей Себрант из Яндекса поясняет:2
 

«При этом заметьте, важная вещь: мы не учим эту машину физике, у нас нет штата профессоров, как в Институте физики атмосферы Академии наук. Это машинка учится сама минимизировать некоторый параметр, то есть делать более точный прогноз. Почему? Да мы понятия не имеем!»

То есть готовится некий «чёрный ящик», который на массе данных научится предсказывать погоду по имеющимся метеоданным, но то, как именно он будет принимать решения, никто не будет знать и понимать.

И теперь переходим к астрологии. Интересно то, что астрология это сама по себе «чёрный ящик», потому что невозможно научно объяснить, почему «то, что наверху, то и внизу». Из-за отсутствия такого объяснения методологи науки хотят записать астрологию в разряд псевдонаук.

Но речь сейчас о другом. Если статистика показала себя с не самой лучшей стороны в астрологии, то, возможно, машинное обучение и нейронки смогут дать что-то ценное? Сразу понятно, что написать программный код, который будет по некоему алгоритму анализировать параметры какой-либо карты/гороскопа и выдавать ответы на вопросы, представляется невероятным. Но что если обучить астрологическую программу, как обучали AlphaGo и как обучают метеорологический искусственный интеллект?

artificial-intelligence-3262753_1280

Самое важное здесь: здраво оценивать возможности нейронных сетей и машинного обучения при формулировании и делегировании задач, и второе (пожалуй, самое главное и самое сложное) — надо иметь большие данные для обучения машины.

Примеры использования ИИ в астрологии есть, однако чего-то серьёзного пока не видно, а отсылки к машинному обучению и нейронным сетям обычно используются только для рекламы каких-нибудь кустарных поделок. Впрочем, можно легко представить, как машина пишет газетные гороскопы (даже индивидуально для каждого человека на Земле), но что за прок от таких ИИ? Разве что это позволит газете экономить на зарплате штатного вещателя…

Но кое-что в этой сфере, наверное, можно придумать. Одна из распространённых задач, выполнению которых обучают нейронные сети, это задача классификации. Например, программу можно обучить отличать кошек от собак. Сначала машине «скармливают» кучу изображений собак и кучу изображений кошек, а после завершения этапа обучения программа сама определяет (классифицирует), кто изображён на «показанной» ей очередной картинке — собака или кошка.

Так вот можно ли, например, научить программу определять восходящий знак в гороскопе человека по его фотографии? Было бы любопытно проверить. Но для этого нужны качественные данные, чтобы сначала машину «научить». Впрочем, поверить в положительный результат такой затеи довольно сложно.3

Астрология, искусственный интеллект и машинное обучение: 2 комментария

    1. Машины от ошибок тоже не застрахованы:

      «Пальцы бы вам отрезать», — такой ответ от робота-помощника получила одна из клиенток Тинькофф Банка при попытке пожаловаться в службу поддержки на то, что у нее не прошла идентификация по отпечатку пальца.

      Так что без людей не обойтись :)

      Нравится

Добавить комментарий

Заполните поля или щелкните по значку, чтобы оставить свой комментарий:

Логотип WordPress.com

Для комментария используется ваша учётная запись WordPress.com. Выход /  Изменить )

Google photo

Для комментария используется ваша учётная запись Google. Выход /  Изменить )

Фотография Twitter

Для комментария используется ваша учётная запись Twitter. Выход /  Изменить )

Фотография Facebook

Для комментария используется ваша учётная запись Facebook. Выход /  Изменить )

Connecting to %s