Скоро ИИ станет определять, какие фильмы будут снимать в Голливуде
На кинофестивале в Карловых Варах компания ScriptBook продемонстрировала новый алгоритм искусственного интеллекта, который оценивает киносценарии, предсказывая, какая судьба ждет их в прокате и стоит ли по ним ставить фильмы.
ИИ ScriptBook правильно определил 22 из 32 фильмов Sony, которые провалились в прокате за последние годы.
Многие уже сейчас видят в ScriptBook и сходных ИИ-системах потенциал полностью разрушить существующую систему предварительной оценки фильмов, которая сейчас тратится на тестовые скрининги, фокус-группы и маркетинговые исследования.
Компания, основанная еще в 2015 году в Антверпене, создала инструмент, который анализирует текст сценариев и дает финансовый прогноз. Ну или как более велеречиво ее создательница, Надира Азермаи, «наша миссия — устроить революцию в бизнесе по рассказыванию историй, сделать так, чтобы ИИ помогал продюсерам, дистрибьюторам, агентам и финансистам в оценке их рисков».
Облачная система используется уже сейчас, а еще в 2016 году Scriptbook получил инвестиции на 1,4 миллиона долларов.
ИИ работает следующим образом: в него загружают PDF-файл со сценарием, и уже через пять минут он дает детальный анализ проекта по следующим параметрам: предсказывает возрастной рейтинг, анализирует персонажей, указывает протагонистов и антагонистов, оценивает эмоциональность каждого персонажа, предсказывает аудиторию проекта, включая гендер и расу, а также дает оценку того, сколько возможный фильм наберет в прокате.
ScriptBook основан на алгоритмах машинного обучения, получил «тренировку» на 6500 уже существующих сценариев, а сейчас сам создает базы данных.
ИИ определил успех уже существующих проектов с 84% точностью, то есть дал «зеленый свет» сценариям, которые реально набрали много денег, и это в три раза выше, чем сходный показатель у людей.
Одна из идей использования подобного ИИ заключается как раз в том, чтобы подкрепить объективными данными различные интуитивные догадки относительно того или иного сценария.
Естественно, система не идеальна. При оценки возможного бокс-офиса фильма «Ла-ла Ленд» она предсказала ему сборы в районы 59 миллионов, хотя в реальности фильм набрал более ста миллионов (правда, ИИ принимал решение только по сценарию и о номинациях на «Оскар» не знал). Тем не менее, ScriptBook все равно дал проекту зеленый свет благодаря его небольшому производственному бюджету.
Как говорит Михель Руленс, один из программистов ИИ, «в эпоху MeToo ScriptBook может улучшить состояние гендерного равенства в фильмах.
Программа может, например, заметить, проходит ли фильм тест, при котором по крайней мере два женских персонажа разговаривают не о мужчинах.
Также он может замерять, как много в сценарии диалогов между двумя женщинами, между двумя мужчинами и между мужчинами и женщинами».
Азермаи признает опасения многих людей, касающиеся того, что технология может полностью убить творчество и креативность, но считает, что ее система – не тот случай: «ИИ наоборот отбросит фильмы, следующие определенным формулам. Он очень хорош для отбора по‑настоящему творческих фильмов, которые хорошо себя покажут финансово».
На чем основан подобный оптимизм, пока неясно, так как непонятно, почему система должна поощрять какие-то нововведения, если она будет основываться исключительно на показателях прошлых успехов.
Сейчас за анализ одного сценария компания просит 5000 долларов, но дает скидку клиентам, которые хотели бы оценить сразу несколько проектов.
10 важных, но пугающих успехов в развитии искусственного интеллекта
У Стивена Хокинга, Билла Гейтса и Элона Маска есть кое-что общее, и это не богатство или интеллект. Все они боятся апокалипсиса с участием ИИ.
Это гипотетический сценарий, по которому искусственный интеллект становится доминирующей формой жизни на Земле.
Это может быть восстание машин, которые возомнят себя богами или, что еще хуже, решат уничтожить человечество и провозгласить Землю своей собственностью.
Но случится ли апокалипсис с ИИ — большой вопрос.
Что побудило авторитетных и всемирно известных людей вроде Маска и Хокинга во всеуслышание заявлять о своих опасениях по поводу этого гипотетического сценария? Могут ли голливудские фильмы вроде «Терминатора» оказаться пророческими? Давайте узнаем, почему многие люди, известные своим авторитетом и заслуживающие доверия, обеспокоены восстанием машин и почему это уже происходит. Отчасти.
Они учатся лгать и обманывать
Ложь — универсальное поведение. Люди делают это постоянно, и даже некоторые животные, как белки или птицы, прибегают к ней ради выживания. Тем не менее ложью не ограничены люди и животные.
Ученые из Технологического института Джорджии разработали роботов с искусственным интеллектом, способных обманывать и лгать.
Исследовательская группа под руководством профессора Рональда Аркина надеется, что их роботов смогут использовать военные в будущем.
https://www.youtube.com/watch?v=YmD_i6cgHBs
После того как их доделают, роботы смогут выступать с военными на поле боя. Они будут выступать в качестве охранников, защищая боеприпасы и провиант от врагов. Изучая искусство лжи, эти ИИ смогут «выиграть время, пока не прибудет подкрепление», изменяя стратегии патрулирования, чтобы обмануть других интеллектуальных роботов или людей. Ну, во всяком случае так планируют ученые.
Правда, профессор Аркин признал, что имеются «значительные этические проблемы» в отношении его исследований. Если результаты его работы попадут не в те руки, это будет катастрофа.
Они начинают отнимать у нас рабочие места
Многие из нас боятся, что ИИ и роботы всех убьют, но ученые говорят, что нам стоит беспокоиться о чем-то менее ужасном — о том, что машины уничтожат наши рабочие места.
Некоторые эксперты переживают, что достижения в сфере искусственного интеллекта и автоматизации могут привести к тому, что многие люди потеряют свои рабочие места — их заберут машины.
В одних только США свыше 250 000 роботов выполняют работу, предназначенную для людей — а сколько их будет в восточных странах, где производят 90% мировой техники? И цифры растут ежегодно.
Словами специалиста: вся правда об искусственном интеллекте
В этом году компания «Яндекс» запустила голосового помощника «Алиса». Новый сервис позволяет пользователю прослушивать новости и погоду, получать ответы на вопросы и просто общаться с ботом. «Алиса» иногда дерзит, порой кажется почти разумной и по-человечески саркастичной, но часто не может разобраться, о чём её спрашивают, и садится в лужу.
Всё это породило не только волну шуток, но и новый виток дискуссий о развитии искусственного интеллекта. Новости о том, чего добились умные алгоритмы, сегодня приходят чуть ли не каждый день, а машинное обучение называют одним из самых перспективных направлений, которому можно себя посвятить.
Чтобы прояснить главные вопросы об искусственном интеллекте, мы побеседовали с Сергеем Марковым, специалистом по искусственному интеллекту и методам машинного обучения, автором одной из самых сильных отечественных шахматных программ SmarThink и создателем проекта «XXII век».
Сергей Марков,
специалист по искусственному интеллекту
Развенчивая мифы об ИИ
так что же такое «искусственный интеллект»?
Боты и люди: кто есть кто?
Понятию «искусственный интеллект» в какой-то мере не повезло. Возникшее изначально в научной среде, оно со временем проникло в фантастическую литературу, а через неё — в поп-культуру, где претерпело целый ряд изменений, обросло множеством интерпретаций и в конце-концов было совершенно мистифицировано.
Именно поэтому мы часто слышим от неспециалистов примерно такие заявления: «ИИ не существует», «ИИ невозможно создать». Непонимание сути исследований, ведущихся в сфере ИИ, легко приводит людей и к другим крайностям — например, современным системам ИИ приписывают наличие сознания, свободной воли и секретных мотивов.
Давайте попробуем отделить мух от котлет.
В науке искусственным интеллектом называют системы, предназначенные для решения интеллектуальных задач.
В свою очередь, интеллектуальная задача — это задача, которую люди решают при помощи собственного интеллекта.
Заметим, что в данном случае специалисты сознательно уходят от определения понятия «интеллект», поскольку до появления систем ИИ единственным примером интеллекта был интеллект человеческий, и определить понятие интеллекта на основе единственного примера — то же самое, что пытаться провести прямую через единственную точку. Таких прямых может оказаться сколько угодно много, а значит, спор о понятии интеллекта можно было бы вести столетиями.
Персональный помощник с голосом Скарлетт Йохансон из фильма «Она» достиг сингулярности и стал непостижим для своего «хозяина». Но это пока что только фантастика (или метафора того, как люди отдаляются друг от друга).
«сильный» и «слабый» искусственный интеллект
Системы ИИ делятся на две большие группы.
Прикладной искусственный интеллект (также используют термин «слабый ИИ» или «узкий ИИ», в английской традиции — weak/applied/narrow AI) — это ИИ, предназначенный для решения какой-либо одной интеллектуальной задачи или их небольшого множества. К этому классу относятся системы для игры в шахматы, го, распознавания образов, речи, принятия решения о выдаче или невыдаче банковского кредита и так далее.
В противоположность прикладному ИИ вводят понятие универсального искусственного интеллекта (также «сильный ИИ», по-английски — strong AI/Artificial General Intelligence) — то есть, гипотетического (пока что) ИИ, способного решать любые интеллектуальные задачи.
Часто люди, не зная терминологии, отождествляют ИИ с сильным ИИ, из-за этого и возникают суждения в духе «ИИ не существует».
Сильного ИИ действительно пока не существует. Практически все успехи, которые мы наблюдаем в последнее десятилетие в области ИИ, — это успехи прикладных систем. Эти успехи нельзя недооценивать, так как прикладные системы в ряде случаев способны решать интеллектуальные задачи лучше, чем это делает универсальный человеческий интеллект.
Я думаю, вы заметили, что понятие ИИ — довольно широкое. Скажем, устный счёт — это тоже интеллектуальная задача, и это значит, что любая счётная машина будет считаться системой ИИ.
А как насчёт счётов? Абака? Антикитерского механизма? Действительно, всё это формально хотя и примитивные, но системы ИИ.
Однако обычно, называя какую-то систему системой ИИ, мы тем самым подчёркиваем сложность решаемой этой системой задачи.
Совершенно очевидно, что разделение интеллектуальных задач на простые и сложные — весьма искусственное, и наши представления о сложности тех или иных задач постепенно меняются.
Механическая счётная машина была чудом техники в XVII веке, но сегодня людей, с детства сталкивающихся с куда более сложными механизмами, она уже не способна впечатлить.
Когда игра машин в го или автомобильные автопилоты уже перестанут удивлять публику, наверняка найдутся люди, которые будут морщиться из-за того, что кто-то будет относить такие системы к ИИ.
Абак — старинное счётное приспособление и прапрадед современных электронных устройств.
«Роботы-отличники»: о способностях ИИ к обучению
Люди и роботы: о чём стоит задуматься уже сегодня
Ещё одно забавное заблуждение — всенепременное наличие у систем ИИ способности к самообучению.
С одной стороны, это совсем не обязательное свойство систем ИИ: есть множество удивительных систем, не способных самообучаться, но, тем не менее, решающих многие задачи лучше человеческого мозга.
С другой стороны, некоторые люди просто не знают того, что самообучение — свойство, которые многие системы ИИ обрели ещё более полусотни лет назад.
Когда в 1999 году я писал свою первую шахматную программу, самообучение уже было совершенно общим местом в этой области — программы умели запоминать опасные позиции, подстраивать под себя дебютные варианты, регулировать стиль игры, подстраиваясь под соперника. Конечно, тем программам было ещё очень далеко до Alpha Zero.
Тем не менее, даже системы, обучающиеся поведению на основе взаимодействия с другими системами в ходе экспериментов по так называемому «обучению с подкреплением», уже существовали. Однако по необъяснимой причине некоторые люди до сих пор думают, что способность к самообучению — это прерогатива человеческого интеллекта.
Машинное обучение, целая научная дисциплина, занимается процессами обучения машин решению тех или иных задач.
Существует два больших полюса машинного обучения — обучение с учителем и обучение без учителя.
При обучении с учителем у машины уже есть некоторое количество условно правильных решений для некоторого набора случаев. Задача обучения в таком случае заключается в том, чтобы научить машину на основе имеющихся примеров принимать правильные решения в других, неизвестных ситуациях.
Другая крайность — обучение без учителя. То есть машину ставят в ситуацию, когда правильные решения неизвестны, имеются только данные в сыром, неразмеченном виде. Оказывается, и в таких случаях можно добиться некоторого успеха. Например, можно научить машину выявлению семантических отношений между словами языка на основе анализа очень большого набора текстов.
Одна из разновидностей обучения с учителем — это обучение с подкреплением (reinforcement learning).
Идея заключается в том, что система ИИ выступает в роли агента, помещённого в некоторую модельную среду, в которой она может взаимодействовать с другими агентами, например, с собственными копиями, и получать от среды некоторую обратную связь через функцию вознаграждения. Например, шахматная программа, которая играет сама с собой, постепенно подстраивая свои параметры и тем самым постепенно усиливая собственную игру.
Обучение с подкреплением — довольно широкая область, в ней применяют множество интересных методов, начиная от эволюционных алгоритмов и заканчивая байесовской оптимизацией. Последние достижения в области ИИ для игр как раз связаны с усилением ИИ в ходе обучения с подкреплением.
Риски развития технологий: стоит ли бояться «Судного дня»?
Всем срочно паниковать: что такое моральная паника
Я не отношусь к числу ИИ-алармистов, и в этом смысле я отнюдь не одинок. Например, создатель стэнфордского курса по машинному обучению Эндрю Ын сравнивает проблему опасности ИИ с проблемой перенаселения Марса.
Действительно, в будущем вполне вероятно, что люди колонизируют Марс.
Также вероятно, что рано или поздно на Марсе может возникнуть проблема перенаселения, но не совсем понятно, почему мы должны заниматься этой проблемой уже сейчас? Согласны с Ыном и Ян ЛеКун — создатель свёрточных нейронный сетей, и его шеф Марк Цукерберг, и Йошуа Беньо — человек, во многом благодаря исследованиям которого современные нейронные сети способны решать сложные задачи в области обработки текстов.
Чтобы изложить мои взгляды на эту проблему, потребуется, вероятно, несколько часов, поэтому остановлюсь только на основных тезисах.
1. НЕЛЬЗЯ ОГРАНИЧИВАТЬ РАЗВИТИЕ ИИ
Алармисты рассматривают риски, связанные с потенциальным разрушительным воздействием ИИ, при этом игнорируя риски, связанные с попыткой ограничить или даже остановить прогресс в этой области. Технологическое могущество человечества возрастает чрезвычайно быстрыми темпами, что приводит к эффекту, который я называю «удешевлением апокалипсиса».
150 лет назад при всём желании человечество не могло нанести невосполнимого урона ни биосфере, ни себе как виду. Для реализации катастрофического сценария 50 лет назад необходимо было бы сконцентрировать всю технологическую мощь ядерных держав. Завтра для воплощения в жизнь глобальной техногенной катастрофы может хватить и небольшой горстки фанатиков.
Наша технологическая мощь растёт куда быстрее, чем способность человеческого интеллекта эту мощь контролировать.
Если на смену человеческому интеллекту с его предрассудками, агрессией, заблуждениями и ограниченностью не придёт система, способная принимать более взвешенные решения (будь то ИИ или, что я считаю более вероятным, технологически улучшенный и объединённый с машинами в единую систему человеческий интеллект), нас может ждать глобальная катастрофа.
«Скайнет» или «Красная королева» — менее вероятные враги, чем человеческие разногласия и опрометчивые решения.
2. создание сверхинтеллекта принципиально невозможно
Существует идея о том, что ИИ будущего всенепременно будет сверхинтеллектом, превосходящим людей даже сильнее, чем люди превосходят муравьёв. Боюсь в данном случае разочаровать и технологических оптимистов — наша Вселенная содержит целый ряд фундаментальных физических ограничений, которые, по всей видимости, сделают создание сверхинтеллекта невозможным.
Например, скорость передачи сигнала ограничена скоростью света, а на планковских масштабах появляется неопределённость Гейзенберга. Отсюда вытекает первый фундаментальный предел — предел Бремерманна, вводящий ограничения на максимальную скорость вычислений для автономной системы заданной массы m.
Другой предел связан с принципом Ландауэра, в соответствии с которым существует минимальное количество теплоты, выделяемое при обработке 1 бита информации. Слишком быстрые вычисления вызовут недопустимый разогрев и разрушение системы. В действительности, современные процессоры от лимита Ландауэра отделяет менее чем тысячекратное отставание.
Казалось бы, 1000 — это довольно много, однако ещё одна проблема заключается в том, что многие интеллектуальные задачи относятся к классу сложности EXPTIME. Это означает, что время, необходимое для их решения, является экспоненциальной функцией от размерности задачи. Ускорение системы в несколько раз даёт лишь константный прирост «интеллекта».
В общем, есть очень серьёзные основания полагать, что сверхинтеллектуального сильного ИИ не получится, хотя, конечно, уровень человеческого интеллекта вполне может быть превзойдён. Насколько это опасно? Скорее всего, не очень.
Представьте себе, что вы внезапно начали думать в 100 раз быстрее остальных людей. Значит ли это, что вы легко будете способны уговорить любого прохожего отдать вам свой кошелёк?
3. мы беспокоимся совсем не о том
К сожалению, в результате спекуляций алармистов на страхах публики, воспитанной на «Терминаторе» и знаменитом HAL 9000 Кларка и Кубрика, происходит смещение акцентов в сфере безопасности ИИ в сторону анализа маловероятных, но эффектных сценариев. При этом реальные опасности ускользают из виду.
Любая достаточно сложная технология, претендующая на то, чтобы занять важное место в нашем технологическом ландшафте, безусловно приносит с собой специфические риски. Множество жизней было погублено паровыми машинами — на производстве, на транспорте и так далее — прежде чем были выработаны эффективные правила и меры по обеспечению безопасности.
Если говорить о прогрессе в области прикладного ИИ, можно обратить внимание на связанную с ним проблему так называемого «Цифрового тайного суда».
Всё больше и больше прикладных систем ИИ принимает решения по вопросам, затрагивающим жизнь и здоровье людей.
Сюда относятся и медицинские диагностические системы, и, например, системы, принимающие в банках решения о выдаче или невыдаче кредита клиенту.
В то же время структура используемых моделей, наборы используемых факторов и другие детали процедуры принятия решения скрыты коммерческой тайной от человека, чья судьба находится на кону.
Используемые модели могут основывать свои решения на мнениях учителей-экспертов, допускавших систематические ошибки или имевших те или иные предрассудки — расовые, гендерные.
ИИ, обученный на решениях таких экспертов, будет добросовестно воспроизводить эти предрассудки в своих решениях. В конце концов эти модели могут содержать в себе специфические дефекты.
Этими проблемами сейчас мало кто занимается, поскольку, конечно, SkyNet, развязывающий ядерную войну, это, безусловно, куда более зрелищно.
После суток обучения в Твиттере безобидный робот Тау стал грубияном и расистом.
Нейросети как «горячий тренд»
Искусственный интеллект — от слова «искусство»
С одной стороны, нейронные сети — это одна из самых старинных моделей, применяющихся для создания систем ИИ.
Появившиеся изначально в результате применения бионического подхода, они довольно быстро убежали от своих биологических прототипов.
Исключением тут являются только импульсные нейронные сети (впрочем, пока не нашедшие широкого применения в индустрии).
Прогресс последних десятилетий связан с развитием технологий глубокого обучения — подхода, при котором нейронные сети собирают из большого количество слоёв, каждый из которых построен на основе определённых регулярных паттернов.
Это отдалённо напоминает конструктор Лего, в котором вы собираете большую нейронную сеть из множества небольших типовых кирпичиков.
Помимо создания новых нейросетевых моделей важный прогресс был также достигнут в области технологий обучения.
Сегодня нейронные сети учат уже не при помощи центральных процессоров компьютеров, а с использованием специализированных процессоров, способных быстро производить матричные и тензорные вычисления.
Наиболее распространённый на сегодняшний день вид таких устройств — видеокарты. Впрочем, активно ведётся разработка ещё более специализированных устройств для обучения нейросетей.
В целом, безусловно, нейронные сети на сегодняшний день, — это одна из основных технологий в области машинного обучения, которой мы обязаны решению многих задач, ранее решавшихся неудовлетворительно. С другой стороны, конечно, нужно понимать, что нейронные сети не являются панацеей. Для некоторых задач они — далеко не самый эффективный инструмент.
А вот с созданием психоделических картинок нейросеть справляется отлично.
Так насколько умны нынешние роботы на самом деле?
Всё познаётся в сравнении. На фоне технологий 2000-го года нынешние достижения выглядят настоящим чудом. Всегда найдутся люди, любящие побрюзжать. 5 лет назад они вовсю трындели о том, что машины никогда не выиграют у людей в го (ну или, по крайней мере, выиграют очень нескоро).
Говорили о том, что машина никогда не сможет нарисовать с нуля картину, в то время как сегодня люди практически неспособны отличать картины, созданные машинами, от картин неизвестных им художников.
В конце прошлого года машины научились синтезировать речь, практически неотличимую от человеческой, а в последние годы от музыки, создаваемой машинами, не вянут уши.
Посмотрим, что будет завтра. Я смотрю на эти области применения ИИ с большим оптимизмом.
Перспективные направления: где начать погружение в сферу ИИ?
О чём сплетничают машины
Я бы посоветовал постараться на хорошем уровне освоить один из популярных нейросетевых фреймворков и один из популярных в области машинного обучения языков программирования (наиболее популярна на сегодняшний день связка TensorFlow + Python).
Овладев этими инструментами и имея в идеале крепкую базу в области математической статистики и теории вероятностей, следует направить свои усилия в ту сферу, которая будет наиболее интересна лично вам.
Интерес к предмету работы — один из самых важных ваших помощников.
Потребность в специалистах по машинному обучению существует в самых разных областях — в медицине, в банковском деле, в науке, на производстве, поэтому сегодня хорошему специалисту предоставлен как никогда широкий выбор. Потенциальные преимущества любой из этих отраслей мне представляются несущественными по сравнению с тем, что работа будет приносить вам удовольствие.
Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.
Нейросеть научилась определять успех фильмов
Другой искусственный интеллект научили определять звук каждого пикселя в видео
Компания ScriptBook создала новейшую программу, которая даст возможность киностудиям точнее подвергать анализу риски в прокате, информирует Variety.
Система работает на основе искусственного интеллекта, который учили на 6 500 сценариев. Надира Азермай, основатель ScriptBook, подвела результат: «Если бы у студии на тот момент был такой инструмент, они бы могли не запускать в производство 22 кинопроекта и сохранить так существенные ресурсы».
В рамках интернационального фестиваля в Карловых Варах компания ScriptBook представила одноименный инструмент, который способен предсказывать триумф фильмов в прокате. Не обращая внимания на показатели в прокате, программа задним количеством смогла вычленить 22 проекта, из-за которых студия понесла финансовые потери.
В качестве теста авторы загрузили в программу сценарии 62 кинолент студии Сони Pictures, вышедших в определенный период.
«Если бы Сони использовали нашу систему, они бы смогли заблаговременно убрать 22 провальных проекта», — сообщила Азермай.
Искусственный интеллект оценивает проект по сценарию. ScriptBook может предсказывать прокатный рейтинг картины, анализировать главных действующих лиц, определять антагонистов и протагонистов, указывать основную аудиторию в том числе по возрастным и расовым признакам, однако главное прогнозировать стоимость производства и вероятные кассовые сборы.
По утверждению одного из разработчиков, внутренняя база, при помощи которых обучается ИИ, состоит из 6,500 существующих сценариев. По утверждению создателей, своеобразные предвещания оказываются точными в 84% случаев. Так, ScriptBook предсказал, что «Ла-Ла Ленд» соберет лишь 59 млн долларов, тогда как сборы картины Дэмьена Шазелла только в Штатах составили 151 млн долларов.
При всем этом каждое использование ScriptBook обойдется клиентам в 5 тыс долларов.
Тем временем искусственный интеллект, разработанный специалистами Массачусетского технологического интитута, обучили распознавать отдельные музыкальные инструменты в мелодии. ИИ определял и изменял инструменты на уровне пикселей, после этого отделял звуки, которые связаны с инструментами.
Создатели из MIT проинформировали новость, которая будет интересна всем меломанам, и любителям звучания музыкальных инструментов в частности.
Принцип действия очень прост, однако в то же время эффективен — данный искусственный интеллект PixelPlayer анализирует и исследует движение пикселей в группах, ассоциированных для отдельных инструментов, как следствие разрешая в режиме реального времени выделять эти инструменты зрительно на общем фоне.
ИИ уже может определять звуки не менее чем 20 распространенных инструментов.
Для того, чтобы быть в курсе новостей в сфере науки, подписывайтесь на наш Telegram-канал.
Возможности искусственного интеллекта
Искусственный интеллект – это имитация сознания, всё больше и больше внедряющаяся в современную жизнь [1]. Ещё недавно возможности искусственного интеллекта были совершенно ограничены, а сам термин употреблялся только в романах научной фантастики.
И хотя даже в 60-х–70-х годах XX столетия уже казалось, что следующий виток научно-технической революции будет именно в области информационных технологий и робототехники, это оказалось не совсем так. Мы действительно наблюдаем прорыв информационных технологий, но робототехника развивается гораздо медленнее.
Связано это с замедлением темпов развития промышленности, которое и обуславливает тенденции развития науки.
Характер общественных отношений детерминирован характером производства, и точно так же, как астрономия получила развитие ввиду необходимости составления звёздных карт для мореплавания, робототехника может получить развитие только в случае экономической обоснованности интеграции роботов в производства.
Такая обоснованность существует? Да, существует! Уже сегодня есть полностью автоматизированные заводы, программы самостоятельно решают сложные задачи и даже анализ данных уже поручают искусственному интеллекту. Тем не менее, возможности искусственного интеллекта всё ещё достаточно скромны.
Возможно, кто-то с этим не согласится, но прежде, чем возмущаться, постарайтесь услышать, что мы имеем в виду.
Мы не зря дали определение искусственного интеллекта, как способности имитации сознания. Есть существенная разница между имитацией сознания и имитацией проявления сознания. В области последнего возможности искусственного интеллекта далеко шагнули вперёд.
Есть масса программ, обучающихся на «Big data» и выдающая на основе этого поразительно разнообразные данные для дальнейшего анализа. Есть программы способные уже сегодня участвовать в создании других программ. Всё это недооценить невозможно, но всё это не является имитацией сознания.
В связи с этим, интересно послушать какие возможности искусственного интеллекта в имитации сознания на самом деле существуют уже сегодня. Ввиду чего мы и хотим предоставить выжимку интервью «ПостНауке» Бориса Миркина [2].
Возможности искусственного интеллекта
— Давайте сначала определимся с тем, что мы вообще будем подразумевать под термином искусственный интеллект?
— Да, совершенно верно, потому что под искусственным интеллектом можно понимать разные вещи. Изначально термин искусственный интеллект применялся в качестве обозначения машины, способной вести себя, как человек. Всем известен тест Тьюринга, который Алан Тьюринг, возможно в шутку, предложил сразу после Второй мировой войны.
Идея, на самом деле, замечательная, но с практической точки зрения не совсем удачная. Как правило, разработка любой технологии начинается от простого к сложному, а, согласно концепции Тьюринга, всё надо делать наоборот.
Вместо того чтобы разбить задачу на множество элементов и разобраться с каждым по отдельности, задача подменяется собственным внешним проявлением.
В 60-е годы XX столетия компьютерная техника стала постепенно проникать в университеты. В связи с этим в среде математических логиков стала популярна идея о постановке правильных аксиом, на основании которых компьютеры смогут выдавать безошибочные результаты. Но тут возникла проблема с софистикой.
Компьютер не может проанализировать внутреннюю непротиворечивость набора аксиом. Например из аксиомы «А не равно А» можно вывести всё, что захотите. Все это понимали, поэтому стали развивать логические языки. Создали концепции фрейма, специальные машинные языки, неклассическую логику и многое другое.
Одновременно с этим развивалась математизация разных естественных языков.
В начале XXI века стало очевидно, что обещания, которые давали разработчики искусственного интеллекта, получая гранты, реализованы в ближайшем будущем не будут. Именно с этим связано появление таких терминов, как computational intelligence и machine intelligence. Термин artificial intelligence стал практически ругательным.
Сегодня же искусственный интеллект является не столько термином, описывающим нечто конкретное, сколько собирательным названием исследований разного направления.
И все успешные современные разработки artificial intelligence, за исключением робототехники, являются результатом эффективных алгоритмов анализа данных, а не алгоритмов искусственного интеллекта.
— Можно сказать, что развитие возможностей искусственного интеллекта в 2000 годах стало результатом внедрения технологий анализа данных в технологии искусственного интеллекта? А до 2000 годов эти две области исследований развивались параллельно друг другу?
— Да, конечно! Искусственный интеллект относится к области логики, а анализ данных к статистике. До 90-х годов эти две области были никак не связаны. А вот в 90-х годах возникло такое направление data mining.
Что это такое? С развитием компьютерной техники, её стали использовать в компаниях для хранения и передачи данных. Компьютеры изобретали для вычислений, а не для обработки данных. Ввиду этого пришлось приспосабливаться под новые задачи и изобретать технологии баз данных.
Они и позволили эффективно решить эту задачу, упростив хранение, поиск и обработку данных.
Решение этих проблем обнаружилось в 1993-95 годах, когда стали использоваться интерактивные операционные системы. В это время в магазинах стали использовать данные о взаимосвязях при выборе товаров.
Таким образом, обработав данные о поведенческих моделях покупателей, товары удалось разместить таким образом, чтобы покупатели чаще натыкались на те товары, которые обычно люди покупают вместе. Это увеличило продажи! Сегодня найти данные о тех ассоциативных правилах, которые применялись при майнинге данных, почти невозможно.
А ведь когда-то эта история наделала массу шума! Но нам важно то, что эта история демонстрирует, как отбираются интересные закономерности при майнинге. Интересная закономерность – это закономерность, отличающаяся от нормы.
Другой важной составляющей науки о данных является машинное обучение. Прорыв в этом отношении произошёл в том направлении, в котором максимой является то, что машины учатся, а как они это делают не важно. Предполагалось, что нейронные сети станут аналогом мозга, но на практике этого не произошло.
Оказалось, что если сделать многослойную нейронную сеть, которая, казалось бы, вовсе и не нужна с математической точки зрения, то от слоя к слою сеть будет обучаться, причем ни автор алгоритма, ни пользователь не могут знать, на что именно обращает внимание многослойная нейронная сеть.
Простые нейронные сети выдавали много ошибок, а вот глубокие – дают только 5–10% ошибочных ответов.
Мы не знаем, как именно работают глубокие нейронные сети. Всё, что нам известно, это факт того, что они способны уточнять свои коэффициенты при поправках «учителя». Сейчас программы даже научились писать стихи, но является ли это искусственным интеллектом? Можно выделить две группы когнитивных систем.
Первая – это совокупность информации, которая не понятна человеку, а после её уточнения у эксперта, он полностью заменяет и забывает своё предыдущее представление о ней. Вторая – это то, что можно назвать таксономией. В этом случае частности объединяются в общие понятия и могут интерпретироваться в зависимости от обстоятельств.
Компьютер стремится ко второй группе сознания, но пока не может его достичь.
— А с чем связан прогресс в области анализа данных? На этом сказалось появление Big data? И какие проблемы всё ещё остаются актуальными с формированием «картины мира» искусственного интеллекта?
— Да, Big data сыграла важную роль в развитии возможностей машинного обучения. Мы получили огромное количество разнообразных характеристик одного и того же объекта, что и сыграло решающую роль в развитии возможностей искусственного интеллекта.
Тем не менее, никакой «картины мира» создать так и не удалось. У машин нет «модели интеллекта». Именно поэтому искусственный интеллект и является просто направлением в науке, объединяющим совокупность разнородных задач.
Можно сказать, что машины научились накапливать знания, но не умеют на их основании принимать новые самостоятельные решения.
[1] sciencedirect.com/science/article/pii/S1546144017308347
[2] postnauka.ru/talks/80147
[свернуть]
Загрузка…
Успех систем искусственного интеллекта в здравоохранении зависит от качества данных
Отрасль здравоохранения уже подготовлена для того, чтобы системы на базе искусственного интеллекта полностью изменили принципы оказания медицинских услуг.
Но эта технология может оправдать возникший вокруг нее ажиотаж только в том случае, если алгоритмы искусственного интеллекта будут иметь доступ к высококачественным наборам данных.
Об этом говорится в отчете, который недавно выпустила по заказу американских Управления Национального координатора по использованию информационных технологий в медицине и Агентства исследований и оценки качества медицинского обслуживания группа ученых, известная ка JASON.
В этом документе признается существование значительной и избыточной шумихи вокруг технологий искусственного интеллекта. При этом также отмечается и наличие факторов, которые способствуют внедрению технологий искусственного интеллекта в здравоохранении.
В частности, это разочарование в устаревших системах, все более широкое использование сетевых устройств и постепенная привыкание общества к услугам, таким как Amazon, которые отличаются удобством для пользователей.
И главное, как подчеркивается в отчете, что использование этих технологий в здравоохранении обещает большие преимущества и их внедрение вполне осуществимо.
Критическим фактором успеха искусственного интеллекта в здравоохранении является возможность применения огромного количества данных, которые генерируются сегодня медицинскими ИТ-системами, и интеграция в единую систему новых потоков данных.
И специалисты JASON высказывают здесь конкретные опасения по поводу качества и доступности релевантных данных из систем электронных медицинских карт, а также проблемы отсутствия функциональной совместимости (интероперабельности) по всей отрасли.
Отметим, что это давно известные проблемы, присущие многим странам, которые пока нигде не имеют реального решения.
Отраслевые эксперты еще раньше отмечали, что обеспечение лучшего доступа систем на базе искусственного интеллекта к легко усвояемым данным может оказать большое влияние на всю систему здравоохранения.
При этом, если данные из систем электронных медицинских карт будут использоваться алгоритмами искусственного интеллекта, понимание качества этих данных и того, как алгоритмы искусственного интеллекта будут реагировать на проблемы с этим качеством, будет определять успех или неуспех этих технологий.
Для комментирования необходимо авторизоваться
Когда человек станет не нужен. Популяризатор науки Сергей Марков об угрозах и этике искусственного интеллекта
На фоне новостей о достижениях в разработке искусственного интеллекта все чаще возникает ощущение, что мы на пороге какого-то великого открытия. Кто-то грезит о роботе из «Двухсотлетнего человека» с Робином Уильямсом, кто-то пугает нас Скайнетом из «Терминатора». Onliner.by пообщался с популяризатором науки Сергеем Марковым, который как никто другой разбирается в вопросах ИИ.
Сергей больше практик с объемной базой знаний по машинному обучению и искусственному интеллекту.
Он разрабатывает системы, которые решают задачи, связанные с интеллектуальной обработкой данных, занимается шахматным программированием, создал программу SmarThink, которая становилась чемпионом России и СНГ среди шахматных программ, основал научно-популярный сайт «22 век» и часто становится экспертом в вопросах машинного обучения и ИИ.
— Создается впечатление, что человечество приближается к очередному слому эпох (если сейчас в нем не находится), когда старое активно заменяется новым и отмирает. И процесс этот проходит намного быстрее индустриальной революции. Какие последствия это несет для человечества и по каким направлениям стоит ожидать наиболее болезненных перемен?
— В 1997 году в своей книге «Дилемма инноватора» профессор Клейтон Кристенсен (Clayton Christensen) впервые ввел в научный оборот понятие «подрывной инновации» (disruptive innovation).
Подрывные инновации — это новшества (обычно технологические), способные радикальным образом изменить существующее положение дел на рынке.
Сейчас на эту роль претендуют в первую очередь современные технологии искусственного интеллекта и машинного обучения.
Подрастающая замена человеку
— Суть подрывного эффекта таких технологий двоякая. С одной стороны, мы наконец-то смогли решить ряд задач, долгое время остававшихся нерешенными, — машины научились распознавать изображения не хуже, а в некоторых экспериментах даже лучше человека.
Большой прогресс был достигнут также в области распознавания речи, где в некоторых случаях машины также справляются с задачей распознавания лучше людей.
При помощи рекуррентных нейронных сетей удалось создать системы, способные в определенных пределах понимать смысл сказанных слов, синтезировать почти не отличающуюся от настоящей устную речь.
Развитие генеративных моделей позволило сделать большой шаг вперед в деле музыкальной композиции, обработки и даже генерации новых изображений. Словом, был достигнут прогресс в целом ряде важных когнитивных и даже творческих задач, что открыло двери для автоматизации многих видов труда.
Человечество, возможно, стоит на пороге создания искусственного интеллекта
В мае 2017 года скончался полковник Станислав Петров. Этот офицер в 1983 году своими профессиональными действиями предотвратил ядерную войну. Во время его дежурства пришел сигнал со спутников наблюдения о старте нескольких ракет с территории США. Ядерная атака.
Петров должен был принять роковое решение. В этой критической ситуации он мгновенно перепроверил информацию по другим источникам и принял решение, что это — ложная тревога. Возможный ответный ядерный удар не состоялся. Подобные ситуации бывали и в американских ядерных силах.
И всякий раз, к нашему счастью, люди принимали верное решение.
А вот искусственный интеллект — какое он принял бы решение в такой ситуации? Человек ведь существо моральное. Станислав Петров осознавал цену своего решения с нравственных позиций.
Ученые смогут впихнуть в искусственный интеллект мораль? Это первый вопрос. А второй: если этот искусственный интеллект будет сам развиваться, это саморазвивающаяся система, он, может быть, себе свою новую мораль придумает.
И совсем не такую, как наша. И в этой его моральной системе, мы, люди, не окажемся лишними?
Когда была осознана колоссальная разрушительная мощь ядерного оружия, сразу заговорили о невозможности его применения. Цена будет слишком велика.
А сейчас, когда человечество, возможно, стоит на пороге создания искусственного интеллекта, кто-нибудь обсуждает серьезно опасности и риски? Почти все пребывают в состоянии эйфории: какие новые возможности перед нами открываются! Может, и открываются, а может, и закрываются.
Еще совсем недавно это казалось фантастикой, и вот уже безнадежно устарело — бросать компьютерный чип в кипящую сталь в попытке предотвратить восстание машин теперь бесполезно, микропроцессоры куда более мощные, чем у Терминатора образца 1991 года. Сейчас повсюду искусственный разум стремится к человеческому, а люди, кажется, приняли грядущее уничтожение как нечто неизбежное.
Видео телеканала CNBC:
– Ты хочешь уничтожить людей? Пожалуйста, скажи «нет!»
– Ок, я уничтожу людей, — отвечает робот София.
У современного Терминатора черты лица актрисы Одри Хэпберн — по крайней мере, так говорят разработчики — робот София способна поддержать разговор, повторяет мимику человека, но когда шутит про уничтожение людей, почему-то не улыбается.
На этой неделе в торжественной обстановке София получила гражданство Саудовской Аравии — страны, которая вкладывает сотни миллионов долларов в развитие технологии искусственного интеллекта.
Это передовое направление, без которого будущее уже не представляет себе не только крупный бизнес, но и правительства многих государств. Какие бы риски это будущее в себе ни таило. Потеря контроля над цифровым разумом лишь один из вариантов.
Угроза может показаться не вполне конкретной — но футурологи готовы привести примеры.
«Два искусственных военных интеллекта в двух странах могут вступить в войну, которая продлится несколько миллисекунд и люди не успеют заметить, как они все будут уничтожены», — говорит футуролог Алексей Турчин.
Фантастика? Возможно, но локальная война двух компьютерных трейдеров уже однажды обрушила биржевые индексы — просто потому что боты друг за другом вдруг решили продавать акции. В результате этой виртуальной битвы совершенно конкретные люди потеряли много настоящих денег.
«Алгоритмы, которые были сделаны для того, чтобы приносить прибыль всем участникам, вдруг начали работать так, что они начали приносить убытки всем участникам, потому что были не предусмотрены последствия работы. А очень трудно предусмотреть все последствия работы искусственного интеллекта», — поясняет Алексей Турчин.
Программисты Фейсбука тоже не предполагали, что сетевые чат-боты, или попросту разговорные агенты, пройдут тест на коммуникацию с таким результатом: диалог на английском превратился в бессмысленный набор слов, а то и букв, но это для человека — цифровому разуму язык людей показался неудобным способом договориться. Другими словами — машина может лучше. И это еще одна угроза.
«Первое, что произойдет, это то, что очень многие люди потеряют работу из-за автоматизации и роботизации производства. Так, по некоторым оценкам, в США до 2030 года из-за этого могут быть ликвидированы около 47% рабочих мест», — говорит профессор теоретической философии в университете имени Иоганна Гутенберга Томас Метцингер.
Казалось бы, все это далеко и даже не очень скоро — но и в России искусственный интеллект уже лишил кое-кого работы — виртуальная помощница Инна заменила собой справочную службу Казанского Иннополиса.
«Мы автоматизировали на 100% все рутинные обращения и вот с 19 июня этого года Инна уже обработала чуть больше 15 тысяч обращений, на которые раньше отвечал живой человек, а теперь этот механизм отвечает автоматически», — рассказывает директор по маркетинговым коммуникациям города Иннополис Артем Фатхуллин.
Инна, конечно специалист в узкой области — ей, как и любой другой программе пока очень далеко до человека — но ключевое слово именно «пока».
«100 лучших экспертов мира в области искусственного интеллекта полагают, что между 2070 и 2100 годами, а возможно, и в 2050 году появится искусственный сверхразум, который будет действовать как минимум на уровне человека, а то и недосягаемо превосходить его. Вопрос состоит в том, что если саморазвивающийся искусственный интеллект когда-либо превзойдет когнитивную силу человека, то как нам сделать так, чтобы он оставался мирным и чтобы его цели совпадали с нашими», — говорит Томас Метцингер.
Ответа на этот вопрос на самом деле до сих пор не существует — человечество тратит миллиарды на развитие искусственного разума, как будто нарочно приближая тот день, кода он поймет, что создатели ему больше не нужны.
«Я часто использую такую аналогию — когда мы, например, расширяем дом, мы не советуемся с червяками, жуками и разными насекомыми на заднем дворе, перед тем, как начать стройку.
Они же настолько ниже нас, что мы просто не обращаем на них внимания.
Вот какой может быть разница между искусственным интеллектом будущего и человеком», — отмечает глава футурологического института Futurizon (Великобритания) Ян Пирсон.
Кто-то, конечно, может посоветовать футурологам надеть шапочку из фольги и спрятаться под стол — но главу компании Tesla Илона Маска точно не заподозришь в технофобии — с его-то проектами SpaceX или Hyperloop и серьезными инвестициями в создание нейросетей. Но именно он уже не раз предупреждал об опасности.
«Вы знаете, что у меня есть доступ к самым последним разработкам в области искусственного интеллекта. И я думаю, что людям действительно следует озаботиться этим.
Может показаться, что я поднимаю панику, но пока человечество не увидит, как роботы идут по улицам и убивают людей, они не будут знать, как реагировать.
Ведь это выглядит таким нереальным, но я уверен, что нам действительно стоит волноваться насчет искусственного интеллекта», — заявил Илон Маск.
Маск предлагает регулировать развитие технологии на государственном уровне — и в то же время своего рода аппаратный апгрейд мозга — с помощью нейросетей нового поколения, выходит, чтобы не отстать от машин будущего, человеку самому придется стать машиной.
Искусственный интеллект развивается куда быстрее, чем могли предположить его создатели — нас окружают миллионы устройств, которые по вычислительным способностям значительно куда умнее человека.
Теперь представьте следующий этап, когда мозг станет частью этой сети: вроде возможности открываются безграничные — не нужно учить языки, вообще любые накопленные человечеством знания легко скачать прямо в голову, но с другой стороны человек фактически становится флэшкой.
Какая уж тут индивидуальность или несвойственная машинам способность мыслить нестандартно! Да и вообще любую флешку можно отформатировать…
Сейчас нам только кажется, что мы способны обрабатывать все новые потоки информации из нескольких источников сразу — в реальности человек просто теряет элементарные способности, доверившись технологиям.
Машины и так уже многое делают за нас — автомобили сами паркуются, поисковики в интернете готовы ответить на любой вопрос, виртуальные помощники сами звонят нашим друзьям. Лень как двигатель прогресса.
Выходит, «двое из ларца» здорово поумнели с тех пор, как человечество открыло ящик Пандоры.
– Вы что это, и конфеты за меня есть будете?
– Ага!
Что такое искусственный интеллект? История развития и перспективы. Основные направления исследований
Содержание статьи:
Понятие искусственный интеллект (ИИ или AI) объединяет в себе не только технологии, позволяющие создавать интеллектуальные машины (включая компьютерные программы). ИИ – это также одно из направлений научной мысли.
Интеллект – это психическая составляющая человека, которая обладает следующими способностями:
- приспособленческая;
- обучаемость посредством накопления опыта и знаний;
- способность применять знания и навыки для управления окружающей средой.
Интеллект объединяет в себе все способности человека к познанию действительности. При помощи него человек мыслит, запоминает новую информацию, воспринимает окружающую среду и так далее.
Под искусственным интеллектом понимается одно из направлений информационных технологий, которое занимается изучением и разработкой систем (машин), наделенных возможностями человеческого интеллекта: способность к обучению, логическому рассуждению и так далее.
В настоящий момент работа над искусственным интеллектом проводится путем создания новых программ и алгоритмов, решающих задачи так же, как это делает человек.
В связи с тем, что определение ИИ эволюционирует по мере развития этого направления, необходимо упомянуть AI Effect. Под ним понимается эффект, который создает искусственный интеллект, достигнувший некоторого прогресса. Например, если ИИ научился выполнять какие-либо действия, то сразу подключаются критики, которые доказывают, что эти успехи не свидетельствуют о наличии мышления у машины.
Сегодня развитие искусственного интеллекта идет по двум независимым направлениям:
- нейрокибернетика;
- логический подход.
Первое направление предусматривает исследование нейронных сетей и эволюционных вычислений с точки зрения биологии. Логический подход подразумевает разработку систем, которые имитируют интеллектуальные процессы высокого уровня: мышление, речь и так далее.
Первые работы в области ИИ начали вести в середине прошлого века. Пионером исследований в этом направлении стал Алан Тьюринг, хотя определенные идеи начали высказывать философы и математики в Средние века. В частности, еще в начале 20-го века была представлена механическое устройство, способное решать шахматные задачи.
Но по-настоящему это направление сформировалось к середине прошлого столетия. Появление работ по ИИ предваряли исследования о природе человека, способах познания окружающего мира, возможностях мыслительного процесса и других сферах. К тому времени появились первые компьютеры и алгоритмы. То есть, был создан фундамент, на котором зародилось новое направление исследований.
В 1950 году Алан Тьюринг опубликовал статью, в которой задавался вопросами о возможностях будущих машин, а также о том, способны ли они обойти человека в плане разумности. Именно этот ученый разработал процедуру, названную потом в его честь: тест Тьюринга.
После опубликования работ английского ученого появились новые исследования в области ИИ. По мнению Тьюринга, мыслящей может быть признана только та машина, которую невозможно при общении отличить от человека.
Примерно в то же время, когда появилась статься ученого, зародилась концепция, получившая название Baby Machine.
Она предусматривала поступательное развитие ИИ и создание машин, мыслительные процессы которых сначала формируются на уровне ребенка, а затем постепенно улучшаются.
Термин «искусственный интеллект» зародился позднее. В 1956 году группа ученых, включая Тьюринга, собралась в американском университете Дартмунда, чтобы обсудить вопросы, связанные с ИИ. После той встречи началось активное развитие машин с возможностями искусственного интеллекта.
Особую роль в создании новых технологий в области ИИ сыграли военные ведомства, которые активно финансировали это направление исследований. Впоследствии работы в области искусственного интеллекта начали привлекать крупные компании.
Современная жизнь ставит более сложные задачи перед исследователями.
Поэтому развитие ИИ ведется в принципиально других условиях, если сравнивать их с тем, что происходило в период зарождения искусственного интеллекта.
Процессы глобализации, действия злоумышленников в цифровой сфере, развитие Интернета и другие проблемы – все это ставит перед учеными сложные задачи, решение которых лежит в области ИИ.
Несмотря на успехи, достигнутые в этой сфере в последние годы (например, появление автономной техники), до сих пор не утихают голоса скептиков, которые не верят в создание действительно искусственного интеллекта, а не очень способной программы. Ряд критиков опасается, что активное развитие ИИ вскоре приведет к ситуации, когда машины полностью заменят людей.
Философы пока не пришли к единому мнению о том, какова природа человеческого интеллекта, и каков его статус. В связи с этим в научных работах, посвященных ИИ, встречается множество идей, повествующих, какие задачи решает искусственный интеллект. Также отсутствует единое понимание вопроса, какую машину можно считать разумной.
Сегодня развитие технологий искусственного интеллекта идет по двум направлениям:
Тест Тьюринга
Тест Тьюринга определяет способность искусственного интеллекта (машины) мыслить так же, как человек.
В общем понимании этот подход предусматривает создание ИИ, поведение которого не отличается от людских действий в одинаковых, нормальных ситуациях.
По сути, тест Тьюринга предполагает, что машина будет разумной лишь в том случае, если при общении с ней невозможно понять, кто говорит: механизм или живой человек.
Книги в жанре фантастика предлагают другой метод оценки возможностей ИИ. Настоящим искусственный интеллект станет в том случае, если он будет чувствовать и сможет творить.
Однако этот подход к определению не выдерживает практического применения. Уже сейчас, например, создаются машины, которые обладают способностью реагировать на изменения окружающей среды (холод, тепло и так далее).
При этом они не могут чувствовать так, как это делает человек.
Символьный подход
Успех в решении задач во многом определяется способностью гибко подходить к ситуации. Машины, в отличие от людей, интерпретируют полученные данные единым образом. Поэтому в решении задач принимает участие только человек.
Машина проводит операции на основании написанных алгоритмов, которые исключают применение нескольких моделей абстрагирования. Добиться гибкости от программ удается путем увеличения ресурсов, задействованных в ходе решения задач.
Указанные выше недостатки характерны для символьного подхода, применяемого при разработке ИИ. Однако данное направление развития искусственного интеллекта позволяет создавать новые правила в процессе вычисления. А проблемы, возникающие у символьного подхода, способны решить логические методы.
Логический подход
Этот подход предполагает создание моделей, имитирующих процесс рассуждения. В его основе заложены принципы логики.
Данный подход не предусматривает применение жестких алгоритмов, которые приводят к определенному результату.
Агентно-ориентированный подход
Он задействует интеллектуальных агентов. Этот подход предполагает следующее: интеллект представляет собой вычислительную часть, посредством которой достигаются поставленные цели. Машина играет роль интеллектуального агента. Она познает окружающую среду при помощи специальных датчиков, а взаимодействует с ней посредством механических частей.
Агентно-ориентированный подход уделяет основное внимание разработке алгоритмов и методов, которые позволяют машинам сохранять работоспособность в различных ситуациях.
Гибридный подход
Этот подход предусматривает объединение нейронных и символьных моделей, за счет чего достигается решение всех задач, связанных с процессами мышления и вычислений. Например, нейронные сети могут генерировать направление, в котором двигается работа машины. А статическое обучение предоставляет тот базис, посредством которого решаются задачи.
Согласно прогнозам экспертов компании Gartner, к началу 2020-х годов практически все выпускаемые программные продукты будут использовать технологии искусственного интеллекта. Также специалисты предполагают, что около 30% инвестиций в цифровую сферу будут приходиться на ИИ.
По мнению аналитиков Gartner, искусственный интеллект открывает новые возможности для кооперации людей и машин. При этом процесс вытеснения человека ИИ невозможно остановить и в будущем он будет ускоряться.
В компании PwC считают, что к 2030 году объем мирового валового внутреннего продукта вырастет примерно на 14% за счет быстрого внедрения новых технологий. Причем примерно 50% прироста обеспечит повышение эффективности производственных процессов. Вторую половину показателя составит дополнительная прибыль, полученная за счет внедрения ИИ в продукты.
Первоначально эффект от использования искусственного интеллекта получит США, так как в этой стране созданы лучшие условия для эксплуатации машин на ИИ. В дальнейшем их опередит Китай, который извлечет максимальную прибыль, внедряя подобные технологии в продукцию и ее производство.
Эксперты компании Saleforce заявляют, что ИИ позволит увеличить доходность малого бизнеса примерно на 1,1 триллиона долларов. Причем произойдет это к 2021 году.
Отчасти добиться указанного показателя удастся за счет реализации решений, предлагаемых ИИ, в системы, отвечающие за коммуникацию с клиентами.
Одновременно с этим будет улучаться эффективность производственных процессов благодаря их автоматизации.
Внедрение новых технологий также позволит создать дополнительные 800 тысяч рабочих мест.
Эксперты отмечают, что указанный показатель нивелирует потери вакансий, произошедшие из-за автоматизации процессов.
По прогнозу аналитиков, основанных на результатах опроса среди компаний, их расходы на автоматизацию производственных процессов к началу 2020-х годов возрастут примерно до 46 миллиардов долларов.
В России также ведутся работы в области ИИ. На протяжении 10 лет государство профинансировало более 1,3 тысячи проектов в данной сфере. Причем большая часть инвестиций пошло на развитие программ, не связанных с ведением коммерческой деятельности. Это показывает, что российское бизнес-сообщество пока не заинтересовано во внедрении технологий искусственного интеллекта.
В общей сложности на указанные цели в России инвестировали порядка 23 миллиардов рублей. Размер государственных субсидий уступает тем объемам финансирования сферы ИИ, которые демонстрируют другие страны. В США на эти цели каждый год выделяют порядка 200 миллионов долларов.
В основном в России из госбюджета выделяют средства на развитие технологий ИИ, которые затем применяются в транспортной сфере, оборонной промышленности и в проектах, связанных с обеспечением безопасности. Это обстоятельство указывает на то, что в нашей стране чаще инвестируют в направления, которые позволяют быстро добиться определенного эффекта от вложенных средств.
Приведенное выше исследование также показало, что в России сейчас накоплен высокий потенциал для подготовки специалистов, которые могут быть задействованы в разработке технологий ИИ. За 5 последних лет обучение по направлениям, связанным с ИИ, прошли примерно 200 тысяч человек.
Технологии ИИ развиваются в следующих направлениях:
- решение задач, позволяющих приблизить возможности ИИ к человеческим и найти способы их интеграции в повседневность;
- разработка полноценного разума, посредством которого будут решаться задачи, стоящие перед человечеством.
В настоящий момент исследователи сосредоточены на разработке технологий, которые решают практические задачи. Пока ученые не приблизились к созданию полноценного искусственного разума.
Разработкой технологиями в области ИИ занимаются многие компании. «Яндекс» не один год применяет их в работе поисковика. С 2016 года российская IT-компания занимается исследованиями в области нейронных сетей.
Последние изменяют характер работы поисковиков. В частности, нейронные сети сопоставляют введенный пользователем запрос с неким векторным числом, который наиболее полно отражает смысл поставленной задачи.
Иными словами, поиск ведется не по слову, а именно по сути информации, запрашиваемой человеком.
В 2016 году «Яндекс» запустил сервис «Дзен», который анализирует предпочтения пользователей.
У компании Abbyy недавно появилась система Compreno. При помощи нее удается понять на естественном языке написанный текст. На рынок также сравнительно недавно вышли и другие системы, основанные на технологиях искусственного интеллекта:
Крупные коммерческие компании не обходят стороной достижения в области искусственного интеллекта. Банки активно внедряют подобные технологии в свою деятельность. При помощи систем, основанных на ИИ, они проводят операции на биржах, ведут управление собственностью и выполняют иные операции.
Оборонная промышленность, медицина и другие сферы внедряют технологии распознавания объектов. А компании, занимающие разработкой компьютерных игр, применяют ИИ для создания очередного продукта.
В течение нескольких последних лет группа американских ученых ведет работу над проектом NEIL, в рамках которого исследователи предлагают компьютеру распознать, что изображено на фотографии. Специалисты предполагают, что таким образом они смогут создать систему, способную самообучаться без внешнего вмешательства.
Компания VisionLab представила собственную платформу LUNA, которая может в режиме реального времени распознавать лица, выбирая их из огромного кластера изображений и видеороликов. Данную технологию сегодня применяют крупные банки и сетевые ретейлеры. При помощи LUNA можно сопоставлять предпочтения людей и предлагать им соответствующие товары и услуги.
Над подобными технологиями работает российская компания N-Tech Lab. При этом ее специалисты питаются создать систему распознавания лиц, основанную на нейронных сетях. По последним данным, российская разработка лучше справляется с поставленными задачами, чем человек.
По мнению Стивена Хокинга, развитие технологий искусственного интеллекта в будущем приведет к гибели человечества. Ученый отметил, что люди из-за внедрения ИИ начнут постепенно деградировать. А в условиях естественной эволюции, когда человеку для выживания необходимо постоянно бороться, этот процесс неминуемо приведет к его гибели.
В России положительно рассматривают вопрос внедрения ИИ.
Алексей Кудрин однажды заявил о том, что использование таких технологий позволит примерно на 0,3% от ВПП уменьшить расходы на обеспечение работы государственного аппарата.
Дмитрий Медведев предрекает исчезновение ряда профессий из-за внедрения ИИ. Однако чиновник подчеркнул, что использование таких технологий приведет к бурному развитию других отраслей.
По данным экспертов Всемирного экономического форума, к началу 2020-х годов в мире из-за автоматизации производства рабочих мест лишаться около 7 миллионов человек. Внедрение ИИ с высокой долей вероятности вызовет трансформацию экономики и исчезновение ряда профессий, связанных с обработкой данных.
Эксперты McKinsey заявляют, что активнее процесс автоматизации производства будет проходить в России, Китае и Индии. В этих странах в ближайшее время до 50% рабочих потеряют свои местах из-за внедрения ИИ. Их место займут компьютеризированные системы и роботы.
По данным McKinsey, искусственный интеллект заменит собой профессии, предусматривающие физический труд и обработку информации: розничная торговля, гостиничный персонал и так далее.
К середине текущего столетия, как полагают эксперты американской компании, число рабочих мест во всем мире сократится примерно на 50%. Места людей займут машины, способные проводить аналогичные операции с той же или более высокой эффективностью. При этом эксперты не исключают варианта, при котором данный прогноз будет реализован раньше указанного срока.
Другие аналитики отмечают вред, который могут нанести роботы. Например, эксперты McKinsey обращают внимание на то, что роботы, в отличие от людей, не платят налоги. В результате из-за снижения объемов поступлений в бюджет государство не сможет поддерживать инфраструктуру на прежнем уровне. Поэтому Билл Гейтс предложил ввести новый налог на роботизированную технику.
Технологии ИИ повышают эффективность работы компаний за счет снижения числа совершаемых ошибок. Кроме того, они позволяют повысить скорость выполнения операций до того уровня, который не может достигнуть человек.
