В 1832 году коллежский асессор Семен Николаевич Корсаков, пионер российской кибернетики, создал «гомеоскоп» - классифицирующее логическое устройство, которое автоматизировало процесс сравнения идей и понятий. С тех пор системы искусственного интеллекта ушли далеко вперед. О прошлом, настоящем и будущем таких систем рассказал кандидат физико-математических наук, ученый секретарь Курчатовского комплекса НБИКС-технологий НИЦ «Курчатовский институт» Вячеслав Демин в лекции, состоявшейся в образовательном центре «Сириус». «Лента.ру» публикует выдержки из его выступления.

Мозг и компьютер

На данном этапе все усилия по созданию искусственного интеллекта направлены на то, чтобы снять часть нагрузки с человеческого интеллекта, создать помощника для обработки плохо структурированной информации.

Самая очевидная задача - работа с большими объемами информации. Это направление так и называется: «Большие данные» (Big data). Самый яркий пример - Большой адронный коллайдер. БАК генерирует несколько петабайт (1 Пб = 1 000 000 Гб) информации в секунду. Она поступает в различные информационные центры по всему миру, где обрабатывается компьютерами, после чего передается физикам для анализа.

Но работа с большими объемами информации выявила слабое место современных компьютеров. Сейчас в вычислительной технике используется так называемая архитектура фон Неймана: память и процессор физически разделены и общаются друг с другом посредством шины, которая находится между ними. Чтобы выполнить команду, процессор посылает запрос в память, та извлекает из определенной ячейки данные, отправляет их в процессор, затем из памяти запрашивается команда для выполнения и вновь загружается в процессор, и так далее.

Постоянно идет передача данных в обоих направлениях, и узкое горлышко шины ограничивает производительность общего процесса вычислений. Конечно, сегодня эту проблему отчасти снимают многоядерные процессоры, когда информация делится между разными ядрами, обрабатывается в них одновременно, а потом результаты сливаются в каком-то одном ядре.

Человеческий мозг устроен иначе: его архитектура принципиально параллельна, а не последовательна. Память и вычисления в мозге реализуются в одних и тех же структурах - в нейронах. Каждая нервная клетка похожа на крохотный процессор, выполняющий простейшую функцию. Совокупность же большого числа таких элементарных процессоров способна производить довольно сложную обработку нечетко структурированной информации. Если такую схему удастся воплотить и в компьютерах, скопировав принцип действия работы нейронов, это станет прорывом.

У каждой нервной клетки есть отростки - аксоны, по которым передается информация, и дендриты, принимающие информацию. Соединение аксона и дендрита называется синапс. Когда происходит генерация «спайка», то есть собственного электрохимического возбуждения клетки, с помощью нейромедиаторов ток идет от одного нейрона к другому. Синапс при этом пластичен, он может менять эффективность передачи сигнала, варьируя степень выделения при передаче и/или чувствительности приема нейромедиатора.

Кадр: фильм «Я, робот»

Считается, что память формируется за счет пластичности синапсов: некоторый набор синаптических проницаемостей определяет какое-то определенное воспоминание, которое воспроизводится при распространении сигнала через этот набор синапсов. Если ученые смогут создать систему искусственного интеллекта, в которой аппаратно будет использоваться тот же принцип, то есть обработка и хранение информации в одних и тех же функциональных элементах (искусственных нейронах-процессорах с пластичными соединениям между ними), это выведет технологии на новый уровень. Достаточно серьезные и успешные попытки есть, но работы еще очень много.

Распознавание и осмысление

Уже сейчас компьютерные системы неплохо справляются с распознаванием образов и звуков. Но искусственный интеллект по-прежнему не осмысляет данные, любое изображение так и остается для него набором непонятных черточек. Тем не менее компьютер может и номера превышающих скорость автомобилей разобрать, и речь в печатный текст превратить, и понравившуюся песню узнать.

Не осмысляет машина и происходящее на биржах, но, основываясь на накопленных финансовых данных, она научилась довольно точно предсказывать, что произойдет в следующий момент на рынках, и автоматически отдает команду покупать либо продавать акции. Так работает современный «быстрый трейдинг». Прогнозирование (например, погоды или ситуации на дороге) - еще одно направление, успешно реализуемое уже сегодня.

Все эти задачи под антропоморфные алгоритмы решения относятся к так называемым некорректным задачам, когда известны не все данные для их однозначного решения, а значит, и решить такую задачу можно лишь примерно: чем больше существует ее параметров (условий), тем больше вариантов решения. При этом если задача не может быть решена в одно действие, то есть состоит из последовательности шагов, и на каждом шаге есть несколько вариантов допустимых действий, то количество комбинаций, приводящих в итоге к решению задачи, очень быстро растет в зависимости от количества шагов (или «размерностей» задачи). Это называется «проклятием размерностей».

Более того, в реальности на каждом шаге мы видим фактически бесконечное число вариантов допустимых действий (до стакана на столе можно дотянуться бесконечным числом вариантов), а следовательно и общее количество способов решения проблемы бесконечно. Держать все возможные варианты в голове человек просто не может, потому мозг и мыслит только целями и концепциями, решая некорректные задачи лишь приблизительно оптимально и побеждая тем самым «проклятие размерностей».

Фото: Long Hongtao / Xinhua / Zumapress / Globallookpress.com

Это умение и позволяет нам существовать в реальном мире. Человеческий интеллект так может, искусственный - пока очень условно, лишь для ограниченного набора технических задач. При этом обычно под каждую техническую некорректную задачу строится свой алгоритм решения (например, специальная архитектура искусственной нейронной сети), что разительно отличает современный искусственный интеллект от мозга, способного решать все типы предлагаемых ему задач.

Адаптивность

Не может искусственный интеллект пока продемонстрировать и высокую степень адаптивности. Большинству существующих систем не поможет даже полный объем информации о резко меняющихся условиях, чтобы на них среагировать. Выбить стул из-под робота проще простого, даже если он увидит ваше движение. Выбить стул из-под человека, который хоть краем глаза успеет заметить, что что-то происходит, сложнее.

В последнее время в этой области появились успехи: созданы роботы-носильщики (например Big Dog агентства DARPA), способные удерживать равновесие в ответ на толчки и подножки. В то же время это опять специфическая система, разработанная под конкретную задачу и не обладающая универсальностью в адаптации к другим условиям и тем более - в решении других задач.

Но не только ради создания систем искусственного интеллекта следует изучать мозг. Еще одна важная цель находится в области медицины. Примерно 130 миллионов человек в мире страдают от различных болезней мозга. Среди них и всемирно известный физик Стивен Хокинг - у него боковой амиотрофический склероз, он прикован к инвалидному креслу. По каким-то причинам у него в мозге не работают моторные нейроны, которые генерируют сигнал к мышцам, но при этом все остальные участки коры функционируют прекрасно. Все признают, что Хокинг - гений. 67 миллионов человек страдают от болезни Альцгеймера, но полная картина возникновения этого заболевания неясна. Современная наука знает о мозге так много - и в то же время так мало!

Еще одно направление, ради которого необходимо изучать мозг, - это создание интерфейсов «мозг-компьютер». Такая система позволит управлять роботом или любым другим устройством (протез, система «умный дом», смартфон, программа и тому подобное) в буквальном смысле силой мысли, передавая команды с лобных долей коры на компьютер или специальный чип, контролирующий необходимое устройство.

Перспективна и такая область исследований, как создание нейроаниматов, то есть робототехнических устройств, управляемых живыми культурами нервных клеток в пробирке. Суть состоит в том, что на дне лабораторного сосуда, в так называемой чашке Петри, располагаются электроды, на которые высаживаются живые нервные клетки и добавляются необходимые питательные вещества. Вскоре там образуется и начинает расти живая нейронная сеть. Ее можно пытаться обучать с помощью электродов управлению необходимым устройством (аниматом).

Я называю это запасным вариантом создания искусственного интеллекта. Если не удастся его сделать из неживой материи, то можно попробовать вырастить управляемые биологические сети. Отмечу, что в Курчатовском комплексе НБИКС-технологий НИЦ «Курчатовский институт» реализуются все перечисленные мною направления.

Умная машина

Существует два базовых подхода к разработке искусственного интеллекта. Первый - так называемый нисходящий, или символьный подход подразумевает создание баз знаний, экспертных систем и систем логического вывода. Предполагается, что система сможет имитировать мышление, рассуждение, речь, эмоции, даже творчество. Это путь наиболее проработанный, но соответствующие программы до сих пор весьма далеки от человеческого мышления.

Второй подход - восходящий - предполагает, что искусственные нейронные сети смогут моделировать архитектуру, свойства и поведение своего биологического прообраза, что приведет к созданию интеллектуального нейрокомпьютера. Если апологеты первого направления в большинстве своем разочаровались в создании мыслящей программы, то сторонники второго подхода поделились на два примерно равновеликих лагеря. Одни считают, что сильный искусственный интеллект возможен, другие - что нет.

Первые считают, что искусственный интеллект сможет когда-либо самостоятельно мыслить, обладать сознанием и осознавать себя, вторые уверены, что не сможет. Я отношусь к первым, так как никто еще не доказал обратного и даже не построил достаточно полной модели мозга с учетом хотя бы минимального набора наиболее важных его подсистем. Однако мыслящий искусственный интеллект если и возможен, то является очень далекой перспективой.

Фото: Chip Somodevilla / Getty Images

В Европе есть проект «Мозг человека» (Human Brain Project). На суперкомпьютере пытаются моделировать мозг. Создали детализированную модель одного миллиона нервных клеток неокортекса. На симуляцию одной секунды деятельности этой сети суперкомпьютер тратит от нескольких часов до суток, в зависимости от степени детализации модели.

Как определить момент, когда будет создан полноценный искусственный интеллект? Есть много вариантов ответа на этот вопрос, которые условно делятся на две большие группы. Например, Алан Тьюринг, знаменитый британский математик, известный в том числе благодаря взлому кода легендарной шифровальной установки фашистов «Энигма», считал, что машина станет разумной тогда, когда сможет общаться с человеком, а тот не поймет, что собеседник - не человек.

Второй подход чаще всего пропагандируют писатели-фантасты: когда машина научится чувствовать и творить. Правда, пока еще не выдвинуты однозначные критерии проверки указанных действий. Кто прав - покажет время. А пока требуются дальнейшие захватывающие исследования, которые дадут ответы на глубочайшие вопросы относительно нашего с вами самоопределения в этом мире - тайны разума.

5 марта 2017 в 12:57

Будущее искусственного интеллекта

• Искусственный интеллект ,

• Перевод

Последствия и этические проблемы сильного ИИ

При каждом обсуждении ИИ всегда возникают две проблемы: как он повлияет на человечество, и как нам к нему относиться? Литературу всегда можно рассматривать как хороший индикатор мыслей и чувств, отражающий настроения людей, и в научной фантастике полно примеров этих проблем. Попытается ли достаточно передовой ИИ устранить человечество, как Skynet ? Или ИИ необходимо будет давать права и защиту, во избежание таких проявлений жестокости, какие встречаются в "A.I. Artificial Intelligence "?

Страшный ИИ

В обоих случаях смысл состоит в том, что с созданием настоящего ИИ придёт технологическая сингулярность . Технологическая сингулярность – период экспоненциального роста технологий, происходящий на небольшом временном отрезке. Идея в том, что ИИ сможет улучшать самого себя или производить более передовые ИИ. Так как это будет происходить быстро, кардинальные перемены могут случиться за один день, и в результате появится ИИ гораздо более совершенный, чем тот, что был создан человечеством. Это может означать, что в результате у нас появится сверхумный и недоброжелательный ИИ, или разумный ИИ, достойный обладать правами.

Недоброжелательный ИИ

Что, если этот гипотетический сверхумный ИИ решит, что человечество ему не нравится? Или же мы будем ему безразличны? Нужно ли бояться этой возможности и принимать меры предосторожности? Или же эти страхи – результаты безосновательной паранойи?

Сэндс считает: «ОИИ произведёт революцию, и его применение определи, позитивное это будет влияние, или негативное. Примерно так же расщепление атома можно рассматривать как обоюдоострый меч». Конечно, тут речь идёт только об ОИИ, а не о сильном ИИ. Что насчёт возможности появления разумного сильного ИИ?

Скорее всего, потенциала можно ожидать не от злонамеренного, а от индифферентного ИИ. Альберт рассматривает пример с простой задачей, поставленной ИИ: «Есть такая история, что владелец фабрики по производству скрепок задал ИИ вроде бы простую задачу: максимизацию производства. А затем ОИИ воспользовался своим интеллектом и придумал, как превратить всю планету в скрепки!»

Альберт отметает возможность, описанную в этом смешном мысленном эксперименте: «Вы хотите сказать, что этот ОИИ понимает человеческую речь, сверхумный, но ему недоступны связанные с запросом тонкости? Или, что он не сможет задать уточняющие вопросы, или догадаться, что превращение всех людей в скрепки – это плохая идея?».

То есть, если ИИ достаточно умён для того, чтобы понять и запустить опасный для людей сценарий, он должен быть достаточно умным для того, чтобы понять, что этого делать не стоит. Три закона робототехники Азимова тоже могут сыграть свою роль, хотя остаётся вопрос, можно ли будет реализовать их таким образом, чтобы ИИ не смог их поменять? А что насчёт благополучия самого ИИ?

Права ИИ

На противоположной стороне проблемы стоит вопрос, заслуживает ли ИИ защиты и получения прав? Если бы появился разумный ИИ, можно ли позволять человеку просто отключать его? Как к нему относиться? Права животных и сейчас очень спорные, и пока что нет согласия в том, обладают ли животные сознанием или разумом .

По-видимому, те же споры развернутся по поводу существ с ИИ. Будет ли рабством заставлять ИИ работать день и ночь на благо человечества? Должны ли мы платить ему за услуги? Что с этой оплатой будет делать ИИ?

Фильм плохой, идея хорошая

Маловероятно, что у нас в ближайшее время появятся ответы на эти вопросы, в особенности, ответы, устраивающие всех. «Как мы можем гарантировать, что у ИИ, сравнимого с человеком, будут такие же права, как у человека? Учитывая, что эта интеллектуальная система фундаментально отличается от человека, как мы можем определить фундаментальные права ИИ? Кроме того, если считать ИИ искусственной формой жизни, есть ли у нас право отнимать у него эту жизнь (отключать)? До того, как создать ОИИ, необходимо серьёзно продумать вопросы этики», – говорит Сэндс.

В то время, как продолжается исследование ИИ, эти и другие этические вопросы, несомненно, будут вызывать споры. Судя по всему, мы ещё довольно далеко от того момента, когда они окажутся актуальными. Но и сейчас уже для их обсуждения организовываются конференции .

Как поучаствовать

Исследование и эксперименты с ИИ традиционно находились в ведении учёных и исследователей из корпоративных лабораторий. Но в последние годы растущая популярность свободной информации и открытого кода распространилась даже на ИИ. Если вам интересно заняться будущим ИИ, для этого есть несколько способов.

Проводить самостоятельные эксперименты с ИИ можно при помощи доступного ПО. У Google есть

Искусственным интеллектом принято называть раздел информатики, который занимается изучением возможностей обеспечения разумных действий и рассуждений при помощи вычислительных систем и других искусственных устройств. В большинстве случаев, при этом, заранее известен алгоритм решения задач.

Необходимо отметить, что в научных кругах не существует точного определения данной науки, потому как решения вопроса о статусе и природе человеческого мозга также не существует. Точно также отсутствует и точный критерий достижения вычислительными машинами «разумности», несмотря на то, что на первых этапах развития искусственного интеллекта использовались определенные гипотезы, в частности, тест Тьюринга (цель – определить, умеет ли машина мыслить).

Данная наука имеет тесные взаимосвязи с психологией, трансгуманизмом, нейрофизиологией. Подобно всем компьютерным наукам, она пользуется математическим аппаратом. Искусственный интеллект является довольно молодой областью исследований, начало которой было положено в 1956 году. В данный момент времени развитие этой науки находится в состоянии так называемого спада, когда достигнутые ране результаты применяются в различных областях науки, промышленности, в бизнесе и повседневной жизни.

В настоящее время существует четыре основных подхода к изучению построения систем искусственного интеллекта: логистический, структурный, эволюционный и имитационный. Логистический подход в своей основе содержит так называемую Булеву алгебру, хорошо знакомую программистам. Большинство систем искусственного интеллекта, построенных по логистическому принципу, представляют собой определенную машину доказательства теорем: исходная информация содержится в виде аксиом, а логические выводы формулируются по правилам отношений между этими аксиомами. В каждой такой машине есть блок генерирования цели, причем система вывода доказывает эту цель как теорему. Эта система больше известна под названием экспертной системы.

Структурный подход в качестве основы системы искусственного интеллекта использует моделирование структуры мозга человека. Среди первых подобных попыток необходимо отметить перцептрон Розенблатта. Основная структурная моделируемая единица – нейрон. Со временем возникли новые модели, которые в настоящее время известны, как нейронные сети.

В случае использования эволюционного подхода при построении систем искусственного интеллекта, основная часть внимания уделяется, как правило, построению начальной модели, а также тем правилам, по которым эта модель может эволюционировать. Классическим примером эволюционного алгоритма является генетический алгоритм.

Имитационный подход в основном используется в кибернетике. Одно из базовых понятий данного подхода – это объект, поведение которого имитируется, то есть, так называемый «черный ящик». Таким образом, моделируется способность человека копировать действия других, не вдаваясь в подробности, зачем это нужно (что экономит массу времени, особенно в самом начале жизни человека).

В современном мире развитие искусственного интеллекта происходит весьма бурно. Многие ученые делают самые разнообразные и невероятные прогнозы относительно того, как будет развиваться эта наука в ближайшем будущем, однако большинство из них уверены в том, что все новые открытия будут основаны на существующих на данный момент разработках. Среди основных технологий, которые будут определять жизнь человека в будущем, необходимо, в частности, отметить:
— нанотехнологии (качественный переход на новый уровень технологий);
— дальнейшее развитие искусственного интеллекта (которое в скором будущем вполне возможно сможет опередить своих создателей по умственным возможностям);
— развитие глобальных, в первую очередь, сетевых коммуникаций (в частности, так называемая «коммуникационная кожа», то есть глобальная информационная сеть, которую планируют создать к 2025 году, и которая будет обладать способностями чувствовать все, что угодно);
— роботизация (роботы будут заниматься выполнением сложных задач, в том числе строительством домов);
— генная инженерия (человеческая цивилизация начнет массово покорять вселенную, массово летать в космос).

Какими бы ни были прогнозы на будущее, уже сейчас существуют некоторые проекты, на которые необходимо обратить внимание. Речь, в частности, идет о проекте по созданию искусственного мозга под названием «Голубой мозг». Разработкой проекта занимаются ученые-исследователи, представители Федеральной политехнической школы (Лозанна). Они сумели создать модель-схему расположения синапсов в головном мозге крыс. Как заявил директор проекта Генри Макрам, результаты оказались выше всяческих ожиданий. Вполне возможно, что исследователи в скором времени смогут ответить на многие вопросы, которые до настоящего времени беспокоили умы ученых: придет ли на смену человеческому разуму искусственный и будет ли он более высокоразвитым? Является ли человек замыкающим звеном в цепочке эволюции планеты?

Для тех, кто не слышал о данном проекте, вкратце напомним: проект «Голубой мозг» является широкомасштабной и весьма смелой исследовательской программой, которая стартовала еще в 2005 году. Основная цель проекта заключалась в создании модели структуры и функционирования мозговой активности различных животных с целью дальнейшего моделирования человеческого неокортекса. Перед исследователями стояло непростое задание: разработать новые подходы в процессе исследований патологий головного мозга. Новаторство исследования заключалось в том, что ученые попытались интегрировать все научные достижения в области нейробиологии, дополнить их своими эмпирическими данными, и на основе всех этих данных смоделировать мозговую активность при помощи Blue Gene – сверхмощного компьютера.

Миллионы нервных клеток, которые заключены в человеческом мозге, для передачи импульсов соединяются между собой. Таким образом, перерабатывается информация, поступающая в мозг. Такая связь между нейронами называется синаптической. Однако ученые не могли определить, как на практике материальные предметы преобразуются в мысли. До недавнего времени существовала теория о существовании химических связей между нервными клетками, однако результаты проекта «Голубой мозг» свидетельствуют о том, что связи между нейронами, в большинстве своем, создаются случайно. По мнению одного из исследователей, нейроны существуют независимо друг от друга и вступают во взаимодействие лишь после столкновения. Более того, большинство синаптических связей, смоделированных виртуально, предсказывают расположение таких же связей, но в живом мозге. Таким образом, можно говорить о том, что виртуальная модель очень близка к реальности.

Несмотря на столь значимые результаты, нашлось немало ученых, которые подвергли критике проект. По их мнению, полученные результаты могут свидетельствовать только о структуре синапсов, но не об их функциональности. Дело в том, что в виртуальной модели содержится ограниченное количество нервных клеток, что не может отразить всю многогранность нейронов в человеческом мозге. Таким образом, все полученные результаты могут помочь проанализировать деятельность головного мозга на локальном уровне, но не в масштабах всей его работы.

В 2013 году в Лозанне планируется к запуску еще один аналогичный проект — Human Brain Project. В его рамках к 2023 году ученые из 13 стран собираются создать самый крупный в мире компьютерный мозг, в котором будет работать столько же нейронов, сколько и в человеческом мозге – сто миллиардов. На первый взгляд может показаться, что подобную задачу решить невозможно, однако исследователи преследуют благие цели – изучение болезней головного мозга с целью дальнейшей разработки необходимых лекарственных препаратов. По мнению директора проекта профессора Маркрама, создание компьютерной модели мозга просто необходимо, ведь благодаря этому можно унифицировать ход исследований и проводить эксперименты, совершенствуя и исправляя ее.

Еще одним проектом, который стартовал в 2010 году, является проект компании DARPA совместно с SRI International. Суть его заключается в разработках прорывного искусственного интеллекта, который будет способен обрабатывать и передавать данные, копируя механизмы работы человеческого мозга. Электронная адаптивная нейроморфная масштабируемая система SyNAPSE, по замыслу разработчиков, должна превзойти традиционные алгоритмы обработки данных и будет способна автономно заниматься изучением сложной среды.

На данный момент военные пользуются искусственным интеллектом для обработки большого количества информации, в частности, данных разведки и видео. Вся эта информация должна быть быстро расшифрована и проанализирована. Для новой системы это не составит большого труда. Она будет использовать математическую логику, будет заниматься решением простых теорем на основе данных сенсоров, принимать решения и выполнять необходимые действия.

Более того, Пентагон намерен использовать данную модель искусственного интеллекта в качестве виртуального личного помощника, который сможет реагировать на голосовую команду и выполнять функции секретаря. Напомним, ранее DARPA совместно с SRI International уже занимались разработками персонального помощника под названием CALO. Проект был завершен в 2009 году. Программа способна рассуждать, понимать инструкции, узнавать, объяснять свои действия, адекватно реагировать на неизвестную ситуацию и обсуждать проведение операции после ее завершения. Данная программа берет необходимые данные из контактов пользователя, его электронной почты, проектов и задач. Затем создается реляционная модель окружения пользователя, происходит обучение. В итоге Искусственный интеллект может вести переговоры и урегулировать конфликты от имени пользователя. К сожалению, данная программа работает только на персональном компьютере, не будучи интегрированной в робота.

В 2011 году в Японии был разработан первый прототип искусственного мозга. Искусственный интеллект может обрабатывать огромное количество информации, однако роботы еще не наделены способностью мыслить. Разработчики пока с этим не спешат…

По мнению исследователей, роботы ближайшего будущего во многом будут похожи на людей: они смогут ходить на двух ногах, смогут различать лица, поддерживать беседу, выполняют просьбы, однако по своей сути – это всего лишь машины, подобные человеку. Все их действия подчинены заранее подготовленному алгоритму, а потому – примитивны. И только в том случае, если удастся реализовать технологию бимолекулярного вычисления, машины смогут мыслить и получат способность к творчеству. По словам разработчиков, новый механизм обработки информации очень напоминает работу человеческого мозга. В голове человека находятся миллионы нейронов, которые вступают в постоянное взаимодействие друг с другом. Суть новой технологии заключается в том, что каждая молекула может иметь до трех сотен направлений взаимосвязей. Таким образом, благодаря новой технологии машины смогут решать те задачи, которые в данный момент недоступны для них. По словам исследователей, новые разработки предполагается применить в области диагностики и лечения онкологических болезней: программируемые молекулярные системы будут вводиться в раковые клетки и трансформировать их в здоровые.

Будущее, которое мы так долго ждали, о котором с интересом читали в научной литературе и которое представляли в сюжетах фантастических фильмов, уже наступило. Что же будет дальше? В этом материале мы публикуем мнение визионеров лаборатории Microsoft Research о текущем положении дел в сфере развития технологий искусственного интеллекта (ИИ) и о его трендах на ближайшие несколько лет.

Ждем появления социально-культурного искусственного интеллекта

В следующем году и ближайшие несколько лет очередной стимул развития получат технологии лингвистической обработки. Так, в частности, функционал инструментов распознавания речи будет пополняться все новыми языками. Появится больше систем, позволяющих понимать, обрабатывать и генерировать языки. Эти решения откроют пользователю новые возможности легко переключаться с одного языка на другой, более того, возможны даже будут мультиязычные беседы.

В перспективе ближайших нескольких лет появятся системы искусственного интеллекта, которые смогут без труда общаться с людьми и даже будут адаптироваться к различным социальным ситуациям, будь то переговоры, жаркие дискуссии или философские рассуждения. Поэтому в следующие 10 лет нам стоит ожидать появления такого явления, как социально-культурный искусственный интеллект.

Этика машинного интеллекта

Мы научились создавать машины, которые способны взаимодействовать с человеком, понимать его потребности и помогать в решении повседневных задач. Алгоритмы глубинного машинного обучения сегодня способны генерировать результат, который нужен человеку, обнажая зачастую то, что в приличном обществе принято осуждать. Другими словами, мы научили искусственный интеллект пониманию и удовлетворению ежедневных потребностей человека, но пока не научили хорошим манерам и этике . Значит ли это, что дисциплины морали и нравственности не являются приоритетом современного человека, его ежедневной необходимостью? Совсем нет.

Поэтому задача следующих ближайших лет – разработать правила для ИИ и алгоритмы машинного обучения, исключающие воспроизводство результатов, содержащих дискриминационные и пренебрегающие этическими нормами данные. Прорывом в этом направлении станет появление алгоритмов, которые являются справедливыми, ответственными и более устойчивыми к манипуляциям с вводом ложных данных.

Фото- и видеоконтент научатся искать информацию

В следующем году продолжится совершенствование алгоритмов машинного интеллекта в области поиска. Уже через несколько лет нам стоит ожидать трансформации логики работы всего направления. Будет появляться все больше систем, способных работать под командным голосовым управлением и распознавать речевые запросы, а также запросы, состоящие из картинок , звука, видео, геолокационных и других метаданных. Это приведет к тому, что поисковые запросы пользователей будут все более ситуативными, в рамках существующего контекста (местоположение, доступность информации, визуальное или звуковое окружение и т. п.). Эта тенденция будет ускоряться.

Мир на пороге появления новых профессий

Оператор машинного интеллекта уже существующая реальность. В ближайшие несколько лет таких необычных профессий станет больше . По данным исследовательского центра Microsoft, к 2027 году треть работоспособного населения будет занято в сфере услуг, которые будут оказывать системы на базе искусственного интеллекта (например, налоговое консультирование, поддержка здравоохранения и т. п.). Это говорит о том, что в искусственном интеллекте – источник повышения рабочей силы.

Интернет вещей

В 2017 году мы увидим первые решения на базе интернета вещей для сельского хозяйства. Такие решения будут строиться на объединении функциональности компьютерного зрения и облачных технологий. Это позволит фермерам диагностировать, контролировать, анализировать, планировать состояние своих хозяйств на всех этапах производства. Фермеры с помощью искусственного интеллекта смогут поддерживать рентабельность своих производств независимо от изменения климата, засухи и стихийных бедствий.

Будущее пищевой промышленности зависит от нашей способности сохранить и улучшить использование основных ресурсов нашей планеты, уменьшить истощение почвы путем перехода от традиционной сельскохозяйственной практики к альтернативной с малыми энергозатратами. Для окружающей среды и экологии упор будет сделан на сохранение наших лесов с помощью измерительных технологий.

Компьютерное зрение

В следующем году будет продолжен быстрый прогресс в области компьютерного зрения на основе алгоритмов глубинного машинного обучения. Мы уже можем наблюдать, как запущенный недавно проект Iceberg позволяет по-новому взглянуть на хоккейные матчи. Алгоритмы компьютерного зрения предоставляют возможность обрабатывать объекты на видеокадрах в реальном времени для анализа и принятия решений – в данном случае со стороны тренера играющей команды. А родоначальник «уберизации», компания Uber, использует когнитивные сервисы для верификации водителя в автомобиле, сравнивая фотографию, сделанную на телефон, с информацией из зарегистрированного профиля. Достоверность водителя повышает безопасность поездок, лояльность пользователей и в конечном итоге напрямую влияет на растущий бизнес компании.

К 2027 году способность компьютеров «видеть» будет повсеместной, так как мы будем иметь высокоразвитые устройства обработки изображений, мощные вычислительные ресурсы и комбинированные методы обучения машинного интеллекта. Достижения этих методов приведут к расширению отраслей применения этой технологии: от производства и здравоохранения до финансов и безопасности.

Цифровая трансформация традиционных отраслей

Эффективность традиционного бизнеса регулируется за счет роста продаж или сокращения издержек производства. Искусственный интеллект позволяет по-новому взглянуть на традиционные бизнес-задачи, видоизменить бизнес-модели и обнаружить ранее скрытый экономический потенциал целых отраслей. Мы это видели и раньше на примере так называемой «уберизации».

Сбор, обработка и анализ больших данных с помощью алгоритмов машинного обучения позволяет компаниям экономить миллионы долларов ежегодно, демонстрируя себе и рынку потенциал решений на базе искусственного интеллекта для разных отраслей в ближайшем будущем. Речь идет о внедрении систем, позволяющих компаниям принимать взвешенные, долгосрочные бизнес-решения и своевременно реагировать на ситуацию в отрасли в зависимости от экономического, физического и географического контекста.

Алгоритмы искусственного интеллекта доступны многие десятилетия, но именно сейчас вычислительные облачные мощности и бизнес-ценность позволили им стать в центр ежедневных переговоров.

Самоуправляемые автомобили, решения для борьбы с раковыми опухолями, прогнозирование поведения рынков и многое другое – все это открывает новые возможности для бизнеса каждый день. Еще никогда такие сложные технологии не были доступны каждому, а значит, у нас есть все шансы застать золотой век четвертой индустриальной революции – век искусственного интеллекта.