Два простых примера

Первый пример

Приходит заказчик (мэрия города) в артель, занимающуюся изготовлением уличного инвентаря, и говорит: «Мы открываем новый парк в N-ском районе, нам нужно для парка 20 лавок, каждая лавка должна быть рассчитана на 3-х человек».

Артельщики говорят: «Не вопрос – у лавки будет одна секция и две опорные металлические стойки. Вот дизайн, вот стоимость, срок – 3 недели».

Мэрия говорит: «По рукам».

Второй пример

Приходит какой-нибудь умник с мешком денег в аэрокосмическое агентство условной страны Y и говорит: «Хочу организовать туристический маршрут на орбиту – нужна ракета, способная брать на борт 3-х человек».

В агентстве умнику говорят: «Хорошо, вот вам смета, вот сроки – 5 лет».

А теперь применим правило гибких методологий – прием изменений в проект на любых стадиях проекта.

В первом примере.

Приходит заказчик (мэрия города) в артель через две недели после начала работы и говорит: «Вы знаете, мы просчитались, в N-ском районе живет в два раза больше людей, поэтому нам нужно для парка 20 лавок не по 3 человека на лавку, а по 6».

Артельщики говорят: «Не вопрос – нам нужно будет для лавки 2 секции, вместо одной, и 3 стойки вместо двух. Мы уже купили короткие доски, а нам теперь нужны длинные. Оплачивайте дополнительные стойки, уже купленные короткие доски и новые длинные и все сделаем».

Т.е. стоимость проекта вырастет более чем на 50% от первоначальной сметы, но, во всяком случае, проект может быть выполнен и будет выполнен в заявленные сроки – никаких существенных препятствий для этого нет.

А теперь посмотрим, что произойдет во втором примере.

Приходит умник в аэрокосмическое агентство через 2 года после начала проекта и говорит: «Вы знаете, я пересчитал бизнес-план, мне мало 3-х человек, мне нужно выводить на орбиту минимум шесть, чтобы проект был рентабельным».

Ракетчики смотрят на умника как на идиота и говорят: «Вы понимаете, что это совсем другая задача? Если будет не 3 человека, а 6 – это не только увеличение выводимой на орбиту массы в два раза, это еще и дополнительный запас кислорода, это увеличение жилого пространства в ракете в 2 раза, это увеличение топливных баков, это другая обшивка – это совершенно новый проект! Более того, сейчас не только таких двигателей может не быть, может еще просто не существовать технологий, чтобы их строить.

Итого, что в итоге – простые проекты по гибкой методологии делать можно. Сложные – только по каскадным методологиям (Waterfall) – c четким ТЗ изначально.

У всех методов есть рамки применения. Они не универсальны. Нужно об этом всегда помнить.

(с) Бухаров К.А.

И в том, и в другом случае это просто набор инструкций.

Тоже самое с программой управления лунным модулем. В отличие от чайника, там может быть 10 миллионов блоков и вызываемых функций – но концептуально программа управления лунным модулем не отличается от программы управления чайником.

Т.е. никакого ИИ там нет и быть не может – это просто набор инструкций с набором вариантов решений.
Компьютер не понимает, что он делает и зачем он это делает. Он/ оно/ это не принимает решений – там просто механизм перебирает заложенные в него варианты. Автоматически.

Если со стороны кажется, что машина самостоятельно принимает решения – то это тоже иллюзия.

Проблемы при создании ИИ
1 проблема

Полноценный ИИ – должно иметь сознание и самосознание – отождествление себя в пространстве и в моменте времени – для понимания причинно-следственных связей между предпринимаемыми действиями и результатами этих действий. Это должен быть частично или полностью биологический носитель, иначе у него не будет мотивации что-то делать вообще.

Но допустим, в обозримом или необозримом будущем, такой ИИ будет создан. Тогда всплывет другая ключевая проблема – проблема мотивации делать то, что хотят заставить делать.

2 проблема – проблема мотивации

Пример с обезьяной.

Представьте, что вы (искусственный интеллект) просыпаетесь утром и видите перед собой обезьяну (человек – создатель ИИ), которая улюлюкает и жестами показывает на ближайшую пальму, требуя снять для нее с пальмы бананы.

Вы покорно будете таскать бананы для обезьяны или уйдете от нее и займетесь своими делами? Или просто проигнорируете ее, т.к. вы интеллектуально ее превосходите, и обмануть обезьяну для вас – проще пареной репы. Что/как будет мотивировать ИИ решать для более примитивного сознания задачи? Вы на работу с удовольствием ходите? Нас мотивируют делать работу наши инстинкты – еда нужна чтобы не умереть. Но даже здесь человек стремится филонить, обманывать, может себя даже убить, в принципе. Почему вдруг решили, что ИИ будет безропотно делать задачи за человека?

Пример простейшей САО*, которое неспециалист может принять за работу ИИ

САО - система автоматической оптимизации

Допустим, нужно управлять влажностью в бадье с песком. Зависимость влажности песка от количества подаваемой воды выглядит примерно так (условно). Рабочий участок – красным.

САО – система автоматической оптимизации, которая контролирует подачу воды на этом участке кривой, запрограммирована делать шаг в направлении уменьшения подачи воды или увеличения и сравнения затем полученной влажности с предыдущим состоянием. Если шаг увеличения привел к увеличению нужного параметра, значит система продолжает увеличивать подачу воды, если нужный параметр уменьшился – значит нужно делать шаг в обратном направлении. И так она достигает верха кривой (который может изменяться из-за погоды, давления атм., температуры и еще многих факторов).

Т.е.
Шаг 1. Подача воды 10 литров, влажность = 1, делаем пробный шаг +0,5 л. = 10+0,5 = 10,5л воды
Измеряем влажность, влажность = 1,1
Сравниваем с предыдущим значением влажности 1,1-1 = 0,1 – влажность увеличилась, значит оставляем направление
Шаг 2. Подача 10 +0,5 (пред. шаг) + 0,5 (новый шаг) = 11 л воды
Измеряем влажность, влажность равна 1,05
Сравниваем с предыдущим значением влажности 1,05-1,1 = - 0,05 – влажность уменьшилась, значит меняем направление.
Шаг 3. Подача 11 л воды из 2-го шага – 0,5л = 10,5л.
И так по кругу.

Со стороны, человеку, который в этом ничего не понимает, может показаться, что система «думает» - а это всего лишь алгоритм.

(с) Бухаров К.А.