Японский алгоритм написал книгу “День, когда Компьютер написал роман”. Несмотря на то что с характерами героев и сюжетными линиями неопытному писателю помогали люди, компьютер проделал огромную работу – в итоге одна из его работ прошла отборочный этап престижной литературной премии. Нейросети также написали продолжения к Гарри Поттеру и Игре Престолов .

В 2015 году нейросеть AlphaGo, разработанная командой Google DeepMind, стала первой программой, победившей профессионального игрока в го . А в мае этого года программа обыграла сильнейшего игрока в го в мире , Кэ Цзэ. Это стало прорывом, поскольку долгое время считалось, что компьютеры не обладают интуицией, необходимой для игры в го.

Безопасность

Команда разработчиков из Технологического университета Сиднея представила дронов для патрулирования пляжей. Основной задачей дронов станет поиск акул в прибрежных водах и предупреждение людей на пляжах . Анализ видеоданных производят нейросети, что существенно отразилось на результатах: разработчики утверждают о вероятности обнаружения и идентификации акул до 90%, тогда как оператор, просматривающий видео с беспилотников, успешно распознает акул лишь в 20-30% случаев.

Австралия занимает второе место в мире после США по количеству случаев нападения акул на людей. В 2016 году в этой стране были зафиксированы 26 случаев нападения акул, два из которых закончились смертью людей.

В 2014 году Лаборатория Касперского сообщала, что их антивирус регистрирует 325 тыс. новых зараженных файлов ежедневно. В то же время, исследование компании Deep Instinct показало, что новые версии вирусов практически не отличаются от предыдущих – изменение составляет от 2% до 10%. Самообучающаяся модель, разработанная Deep Instinct, на основании этой информации способна с высокой точностью определять зараженные файлы .

Нейросети также способны искать определенные закономерности в том, как хранится информация в облачных сервисах, и сообщать об обнаруженных аномалиях, способных привести к бреши в безопасности.

Бонус: нейросети на страже нашего газона

В 2016 году 65-летний инженер NVIDIA Роберт Бонд столкнулся с проблемой: соседские кошки регулярно посещали его участок и оставляли следы своего присутствия, что раздражало его жену, работающую в саду. Бонд сразу отсек слишком недружелюбную идею соорудить ловушки для незваных гостей. Вместо этого он решил написать алгоритм, который бы автоматически включал садовые разбрызгиватели воды при приближении кошек.

Перед Робертом стояла задача идентификации кошек в поступающем с внешней камеры видеопотоке. Для этого он использовал систему, основанную на популярной нейросети Caffe. Каждый раз, когда камера наблюдала изменение в обстановке на участке, она делала семь снимков и передавала их нейросети. После этого нейросеть должна была определить, присутствует ли в кадре кошка, и, в случае утвердительного ответа, включить разбрызгиватели.

Изображение с камеры во дворе Бонда

До начала работы нейросеть прошла обучение: Бонд “скормил” ей 300 разных фотографий кошек. Анализируя эти фотографии, нейросеть училась распознавать животных. Но этого оказалось недостаточно: она корректно определяла кошек лишь в 30% случаев и приняла за кошку тень Бонда, в результате чего он сам оказался мокрым.

Нейросеть заработала лучше после дополнительного обучения на большем количестве фотографий. Однако Бонд предупреждает, что нейросеть можно натренировать слишком сильно, в случае чего у нее сложится нереалистичный стереотип – например, если все снимки, использующиеся для обучения, сняты с одного ракурса, то искусственный интеллект может не распознать ту же самую кошку с другого угла. Поэтому чрезвычайно важным является грамотный подбор обучающего ряда данных.

Через некоторое время кошки, обучившиеся не на фотографиях, но на собственной шкуре, перестали посещать участок Бонда.

Заключение

Нейронные сети, технология середины прошлого века, сейчас меняет работу целых отраслей. Реакция общества неоднозначна: одних возможности нейросетей приводят в восторг, а других – заставляют усомниться в их пользе как специалистов.

Однако не везде, куда приходит машинное обучение, оно вытесняет людей. Если нейросеть ставит диагнозы лучше живого врача, это не значит, что в будущем нас будут лечить исключительно роботы. Вероятнее, врач будет работать вместе с нейросетью. Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова еще в 1997 году, однако люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.

Кооперация с машинами принесет гораздо больше пользы, чем конфронтация. Поэтому мы собрали список материалов в открытом доступе, которые помогут вам продолжить знакомство с нейросетями:

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»?

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.

«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.

«Роботы-отличники»: о способностях ИИ к обучению

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»?

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.

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.

Нейросети как «горячий тренд»

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.

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.

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?

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.

«Мы находимся на пороге величайших изменений, сравнимых с эволюцией человека», — Писатель-фантаст Вернор Стефан Виндж

Что бы вы почувствовали, если бы узнали, что стоите на пороге грандиозных изменений, как человечек, изображенный на графике ниже?

Вертикальная ось — развитие человечества, горизонтальная ось — время

Волнующе, не правда ли?

Однако если скрыть часть графика, то все выглядит куда более прозаично.

Далекое будущее уже не за горами

Представьте себе, что вы очутились в 1750 году. В те времена люди еще не слышали об электричестве, общение на расстоянии осуществлялось при помощи факелов, а единственное средство передвижения перед поездкой необходимо было накормить сеном. И вот вы решаете взять с собой «человека из прошлого» и показать ему жизнь в 2016 году. Невозможно даже представить себе, что бы он почувствовал, очутившись на широких ровных улицах, по которым носятся автомобили. Ваш гость невероятно удивился бы тому, что современные люди могут общаться, даже если находятся на разных сторонах Земного шара, следить за спортивными мероприятиями в других странах, смотреть концерты 50-летней давности, а также сохранять любой момент времени на фото или видео. А если рассказать этому человеку из 1750 года об Интернете, Международной космической станции, Большом адронном коллайдере и Теории относительности, его представление о мире наверняка бы рухнуло. Он мог бы даже умереть от переизбытка впечатлений.

Но вот что интересно: если ваш гость вернулся бы в свой «родной» век и решил осуществить аналогичный эксперимент, прокатив на машине времени человека из 1500 года, то хотя прибывшего из прошлого тоже могло бы многое удивить, его опыт не был бы таким же впечатляющим — разница между 1500 и 1750 годами не настолько ощутима, как между 1750 и 2016-м.

Если человек из 18 века захочет произвести впечатление на гостя из прошлого, то ему придется пригласить кого-то, жившего в 12 000 году до нашей эры, еще до Великой аграрной революции. Он действительно мог бы быть «сражен наповал» развитием технологий. Увидев высокие колокольни церквей, корабли, бороздящие просторы океанов, города с тысячами жителей, он лишился бы чувств от нахлынувших эмоций.

Темпы развития технологий и общества постоянно увеличиваются. Известный американский изобретатель и футуролог Рэймонд Курцвейл называет это термином «Закон ускорения истории». Так происходит потому, что внедрение новых технологий позволяет обществу развиваться все более быстрыми темпами. Например, люди, жившие в 19 столетии, обладали более развитыми технологиями, чем в 15-м. Поэтому неудивительно, что 19 век принес человечеству больше достижений, чем 15-й.

Но если технологии развиваются все быстрее и быстрее, нам следует ожидать множество величайших изобретений в будущем, не так ли? Если Курцвейл и его единомышленники правы, то в 2030 году мы испытаем такие же эмоции, как и человек, попавший из 1750 года в наш. А к 2050 году мир настолько изменится, что мы с трудом сможем различить в нем черты предшествующих десятилетий.

Все вышесказанное не является фантастикой — это научно подтверждено и вполне логично. Однако многие все еще скептически воспринимают подобные заявления. Так происходит по ряду причин:

1. Многие считают, что развитие общества происходит равномерно и прямолинейно. Когда мы думаем о том, каким будет мир через 30 лет, мы вспоминаем, что же произошло за последние 30 лет. В этот момент мы совершаем такую же ошибку, как и человек из примера выше, живший в 1750 году и пригласивший гостя из 1500 года. Чтобы правильно представить себе предстоящий прогресс, нужно вообразить, что развитие происходит куда более быстрыми темпами, чем в далеком прошлом.

2. Мы неправильно воспринимаем траекторию развития современного общества. Например, если мы посмотрим на небольшой отрезок экспоненциальной кривой, нам может показаться, что это прямая линия (так же, как если бы мы смотрели на часть окружности). Однако экспоненциальный рост не является ровным и гладким. Курцвейл объясняет, что прогресс представляет собой s-образную кривую, как показано на графике ниже:

Каждый «виток» развития начинается с внезапного скачка, который затем сменяется устойчивым и постепенным ростом.

Итак, каждый новый «виток» развития делится на несколько этапов:

1. Медленный рост (ранняя фаза развития);
2. Быстрый рост (вторая, «взрывная» фраза развития);
3. «Выравнивание», когда новая технология доводится до совершенства.

Если взглянуть на недавние события, то можно прийти к выводу о том, что мы не вполне осознаем, как быстро происходит развитие технологий. Например, в промежуток времени между 1995 и 2007 годом мы могли наблюдать появление Интернета, Microsoft, Google и Facebook, социальных сетей, мобильных телефонов, а затем и смартфонов. Но период времени между 2008 и 2016 годами был не так богат на открытия, по крайней мере в сфере высоких технологий. Таким образом, мы сейчас находимся на 3 этапе s-образной линии развития.

3. Многие люди являются заложниками собственного жизненного опыта, который искажает их представление о будущем. Когда мы слышим какое-либо предсказание относительно будущего, которое противоречит нашей точке зрения, основанной на предыдущем опыте, мы считаем это суждение наивным. Например, если вам сегодня скажут, что в будущем люди будут жить по 150-250 лет или , то скорее всего вы ответите: «Это глупо, ведь отлично известно, что все смертны». И действительно, все люди, когда-либо жившие в прошлом, умерли и продолжают умирать и сегодня. Но стоит заметить, что на самолетах тоже никто не летал, пока их наконец не изобрели.

На самом деле в предстоящие несколько десятилетий изменится очень многое, а изменения будут настолько значимыми, что сейчас трудно даже представить себе это. Прочитав данную статью до конца, вы сможете узнать больше о том, что сейчас происходит в мире науки и высоких технологий.

Что такое искусственный интеллект (ИИ)?

1. ИИ ассоциируется у нас с кинофильмами вроде «Звездных войн», «Терминатора» и так далее. В связи с этим мы относимся к нему как к выдумке.

2. ИИ - это довольно широкое понятие. Оно относится как к карманным калькуляторам, так и к автомобилям, управляемым без участия человека. Такое разнообразие сбивает с толку.

3. Мы используем искусственный интеллект в повседневной жизни, но не осознаем этого. Мы воспринимаем ИИ как нечто мифическое из мира будущего, поэтому нам тяжело осознать, что он уже окружает нас.

В связи с этим, необходимо раз и навсегда разобраться в нескольких вещах. Во-первых, искусственный интеллект - это не робот. Робот - это своеобразная оболочка ИИ, которая иногда имеет очертания человеческого тела. Однако искусственный интеллект - это компьютер внутри робота. Его можно сравнить с мозгом внутри тела человека. Например, а женский голос, который мы слышим, это всего лишь персонификация.

Во-вторых, вы, вероятно уже сталкивались с таким понятием, как «сингулярность» или «технологическая сингулярность». Этот термин использовался для описания ситуации, в которой не действуют привычные законы и правила. Данное понятие используется в физике, чтобы описать черные дыры или момент сжатия Вселенной до Большого взрыва. В 1993 году Вернор Винж опубликовал свое знаменитое эссе, в котором использовал сингулярность для определения такого момента в будущем, когда искусственный интеллект превзойдет наш собственный. По его мнению, когда этот момент настанет, мир со всеми его правилами и законами, перестанет существовать как раньше.

Наконец, существует несколько видов искусственного интеллекта, среди которых можно выделить три основные категории:

1. Ограниченный Искусственный Интеллект (ANI, Artificial Narrow Intelligence). Он представляет собой ИИ, специализирующийся в одной конкретной области. Например, может победить чемпиона мира по шахматам в шахматной партии, но это все, на что он способен.

2. Общий Искусственный Интеллект (AGI, Artificial General Intelligence). Такой ИИ представляет собой компьютер, чей интеллект напоминает человеческий, то есть он может выполнять все те же задачи, что и человек. Профессор Линда Готтфредсон описывает этот феномен так: «Общий ИИ воплощает в себе генерализованные мыслительные способности, среди которых также отмечается умение обосновывать, планировать, решать проблемы, мыслить абстрактно, сравнивать комплексные идеи, быстро обучаться, использовать накопленный опыт».

3. Искусственный Суперинтеллект (ASI, Artificial Superintelligence). Шведский философ и профессор Оксфордского Университета Ник Бостром дает следующее определение суперинтеллекту: «Это интеллект, который превосходит человеческий практически во всех областях, включая научные изобретения, общие познания и социальные навыки».

В настоящее время человечество уже с успехом применяет ограниченный ИИ. Мы находимся на пути к освоению AGI. В следующих разделах статьи будет подробно рассмотрена каждая из этих категорий.

Мир, управляемый Ограниченным Искусственным Интеллектом

Ограниченный искусственный интеллект - это машинный разум, который по своей эффективности равен или превосходит человеческий в решении узких задач. Ниже представлено несколько примеров:

• беспилотный автомобиль от компании Google, который распознает и реагирует на различные препятствия на своем пути;
• является «пристанищем» различных форм ограниченного ИИ. Когда вы передвигаетесь по городу при помощи подсказок навигатора, получаете музыкальные рекомендации от Pandora, сверяетесь с прогнозом погоды, общаетесь с Siri, вы используете ANI;
• спам-фильтры в вашей электронной почте — вначале они учатся распознавать спам, а затем, анализируя свой предыдущий опыт и ваши предпочтения, перемещают письма в специальную папку;
• перводчик Google Translate - классический пример ограниченного ИИ, который достаточно хорошо справляется со своей узкой задачей;
• в момент приземления самолета специальная система на основе ИИ определяет, через какой гейт должны выходить пассажиры.

Системы ограниченного искусственного интеллекта не представляют никакой угрозы для человека. В худшем случае сбой в такой системе может вызвать локальную катастрофу вроде скачка напряжения или небольшого обвала на финансовом рынке.

Каждое новое изобретение в сфере ограниченного ИИ на шаг приближает нас к созданию общего искусственного интеллекта.

Почему это так сложно?

Если бы вы попытались создать компьютер, схожий по своему интеллекту с человеческим, то вы бы стали по настоящему ценить свою способность мыслить. Констуирование небоскребов, запуск ракет в космос, исследование теории Большого Взрыва - все это намного легче осуществить, чем изучить мозг человека. На сегодняшний момент наш разум является самым сложным объектом в обозримой Вселенной.

Самое интересное заключается в том, что сложности при создании общего ИИ возникают в самых, казалось бы, простых вещах. Например, создать устройство, которое могло бы за долю секунды умножать десятизначные числа, не составляет труда. В это же время невероятно сложно написать программу, которая могла бы распознать, кто находится перед монитором: кошка или собака. Создать компьютер, который обыграет человека в шахматы? Легко! Заставить машину прочитать и понять написанное в детской книжке? Google тратит миллиарды долларов на то, чтобы решить эту задачу. Такие вещи как математические расчеты, создание финансовых стратегий, перевод с одного языка на другой, уже решены при помощи ИИ. Однако, зрение, восприятие, жесты, передвижение в пространстве пока еще остаются нерешенными проблемами для компьютеров.

Эти навыки кажутся простыми для человека, потому что они развивались в течение миллионов лет эволюции. Когда вы протягиваете руку, чтобы взять какой-либо предмет, ваши мышцы, связки и кости совершают целую серию операции, которые согласуются с тем, что видят ваши глаза.

С другой стороны, умножение больших чисел, игра в шахматы - это совершенно новые действия для биологических существ. Вот почему компьютеру очень просто превзойти нас в этом. Задумайтесь, какую программу вы предпочли бы создать: которая могла бы быстро умножать большие числа или просто распознавать букву Б из тысяч других, написанных разными шрифтами?

Еще один забавный пример: взглянув на изображение ниже, и вы, и компьютер сможете безошибочно установить, что на нем представлен прямоугольник, состоящий из квадратов двух разных оттенков:

Но, стоит удалить черный фон, как перед нами откроется полная, ранее скрытая картина:

Человеку не составит никакого труда назвать и описать все фигуры, которые он видит на этом рисунке. Однако компьютер не справится с этой задачей. А проанализировав изображение ниже, он сделает заключение о том, что перед ним комбинация из множества двухмерных объектов белого, черного и серого цветов. При этом человек с легкостью скажет, что на рисунке изображен черный камень:

Все, что было упомянуто выше, касалось лишь восприятия и обработки статичной информации. Чтобы сравниться по уровню интеллекта с человеком, компьютеру нужно научиться распознавать мимику, жесты и так далее. Но как же добиться всего этого?

Первый шаг на пути к созданию общего ИИ - увеличение мощности компьютеров

Очевидно, что если мы собираемся создавать «умные» компьютеры, то они должны обладать такими же мыслительными способностями, как и человек. Одним из способов добиться этого является увеличение количества операций в секунду. Для этого необходимо вычислить, сколько операций в секунду выполняет каждая структура мозга человека.

Рэй Курцвейл произвел некоторые вычисления и сумел получить число в размере 10 000 000 000 000 000 операций в секунду. Приблизительно такой производительностью обладает мозг человека.

В настоящее время самым мощным суперкомпьютером является китайский Tianhe-2, чья производительность составляет 34 квадрильона операций в секунду. Однако размеры этого суперкомпьютера впечатляют - он занимает площадь в 720 квадратных метров и стоит $390 000 000 долларов.

Итак, если посмотреть с технической стороны, то у нас уже есть компьютер, сравнимый по производительности с мозгом человека. Он недоступен массовому потребителю, но в течение десяти лет станет таковым. Однако производительность - не единственное, что способно наделить компьютер интеллектом как у человека. Следующий вопрос: как сделать мощный компьютер разумным?

Второй шаг на пути к созданию общего ИИ - наделить машину интеллектом

Это самая сложная часть процесса, ведь никто на самом деле не знает, как сделать компьютер «умным». До сих пор ведутся споры о том, как наделить машину возможностью отличать кошек от собак или распознавать букву Б. Однако, существует несколько стратегий, некоторые из которых кратко описаны ниже:

1. Копирование мозга человека

В настоящее время ученые работают над так называемым обратным проектированием мозга человека. По оптимистичным прогнозам, это работа завершится к 2030 году. Как только проект будет создан, мы сможем узнать все секреты нашего мозга и черпать из этого новые идеи. Примером подобной системы является искусственная нейронная сеть.

Другой более экстремальной идеей является полная имитация функций мозга человека. В ходе этого эксперимента планируется разрезать мозг на множество тончайших слоев и просканировать каждый из них. Затем используя специальную программу, нужно будет создать 3D-модель, а затем внедрить ее в мощный компьютер. После этого мы получим устройтство, которое официально будет обладать всеми функциями мозга человека - ему останется лишь собирать информацию и учиться.

Как долго нам осталось ждать того момента, когда ученые смогут создать точную копию мозга человека? Достаточно долго, ведь на сегодняшний день специалистам не удалось скопировать даже 1мм слоя мозга, состоящий из 302 нейронов (наш мозг состоит и 100 000 000 000 нейронов).

2. Повторение эволюции мозга человека

Создание «умного» компьютера теоретически возможно, и эволюция нашего собственного мозга является тому подтверждением. Если мы не можем создать точную копию мозга, мы можем постараться имитировать его эволюцию. На самом деле, к примеру, построить самолет невозможно, просто скопировав крылья птицы. Чтобы создать качественный летательный аппарат, лучше использовать какой-то другой подход.

Каким же образом можно симулировать эволюционный процесс для создания общего ИИ? Этот метод называется генетическим алгоритмом. Суть этого подхода заключается в том, что задачи оптимизации и моделирования решаются с использованием механизмов, аналогичных естественному отбору в живой природе. Несколько компьютеров будут выполнять различные задачи, и те из них, что окажутся наиболее эффективными, будут «скрещены» друг с другом. Машины, не справившиеся с задачей, будут исключены. Таким образом, спустя множество повторений данного эксперимента, алгоритм естественного отбора будет создавать все более качественный компьютер. Трудность здесь заключается в автоматизации процесса эволюции и «скрещивания», ведь эволюционный процесс должен идти сам по себе.

Недостатком описанного метода является то, что в природе эволюции требуются миллионы лет, а нам нужны результаты в течение пары десятилетий.

3. Передача всех задач компьютеру

Когда ученые приходят в отчаяние, они пытаются создать программу, которая бы тестировала сама себя. Это может стать самым многообещающим методом создания общего ИИ.

Идея заключается в том, чтобы создать такой компьютер, чьими главными функциями будет исследовании ИИ и кодирование изменений. Такой компьютер будет не только самостоятельно обучаться, но и изменять свою собственную архитектуру. Ученые планируют научить компьютер быть исследователем, главной задачей которого станет развитие собственного интеллекта.

Все это может произойти уже совсем скоро

Постоянное совершенствование компьютеров и проведение инновационных экспериментов с новым ПО происходят параллельно. Общий искусственный интеллект может появиться быстро и неожиданно по двум основным причинам:

1. Экспоненциальный темп роста кажется очень медленным, однако он может ускориться в любой момент.

2. Когда дело касается программного обеспечения, то, кажется, что прогресс происходит очень медленно, однако единственное открытие может в мгновение ока вывести нас на новый уровень развития. Например, всем нам известно, что ранее люди думали, что в центре Вселенной находится Земля. В связи с этим возникало множество трудностей при изучении космоса. Однако, затем система мира неожиданно сменилась на гелиоцентрическую. Как только представления кардинально изменились, новые исследования стали возможными.

На пути от ограниченного ИИ к Искусственному Суперинтеллекту

В определенный момент развития ограниченного ИИ компьютеры начнут превосходить нас. Дело в том, что искусственный интеллект, идентичный мозгу человека, будет иметь несколько преимуществ над людьми, среди которых можно выделить следующие:

Скорость. Нейроны нашего мозга работают с максимальной частотой в 200Гц, в то время как современные микропроцессоры - с 2ГГц, или в 10 миллионов раз быстрее.

Размеры. Мозг человека ограничен размерами черепа и поэтому он не может стать больше. Компьютер может иметь любой размер, предоставляя больше места для хранения файлов.

Надежность и длительность работы. Компьютерные транзисторы работают с большей точностью, чем нейроны мозга. Кроме того, их легко можно починить или заменить. Мозг человека имеет свойство утомляться, в то время как компьютер может работать на полную мощность круглые сутки.

Искусственный интеллект, запрограммированный на постоянное самосовершенствование, не станет ограничивать себя какими-либо пределами. Это означает, что, достигнув уровня человеческого интеллекта, машина не остановится на этом.

Разумеется, когда компьютер станет «умнее» нас, это будет шоком для всего человечества. На самом деле, большинство из нас имеют искаженное представление об интеллекте, которое выглядит так, как показано на рисунке:

Наше искаженное представление об интеллекте.

Горизонтальная ось — время, вертикальная ось — интеллект.

Уровни интеллекта идут снизу вверх: муравей, птица, шимпанзе, недалекий человек, Эйнштейн. Между глупым человеком и Эйнштейном находится человек, который говорит: «Ха-ха! Эти забавные роботы ведут себя как обезьяны!»

Красным цветом обозначено развитие искусственного интеллекта.

Итак, кривая развития искусственного интеллекта на графике стремится достигнуть уровня человека. Мы наблюдаем, как машина постепенно становится умнее животного. Однако как только ИИ доберется до уровня «недалекий человек» или, как выразился Ник Бостром, «деревенский дурачок», это будет означать, что был создан общий искусственный интеллект. В таком случае компьютеру не составит труда достигнуть уровня Эйнштейна. Это бурное развитие показано на рисунке ниже:

Но что же произойдет потом?

Интеллектуальный взрыв

Здесь нелишним будет напомнить о том, что все написанное в этой статье является описание реальных научных прогнозов, составленных уважаемыми учеными.

В любом случае, большинство моделей ограниченного искусственного интеллекта включают в себя функцию самосовершенствования. Но даже, если создать ИИ, в котором изначально не предусмотрена такая функция, то, достигнув уровня человеческого интеллекта, компьютер приобретет способность обучаться самостоятельно по своему желанию. В результате этого машинный разум постепенно разовьется и станет суперинтеллектом, который будет во много раз превосходить человеческий разум.

В настоящее время ведутся споры о том, когда же ИИ достигнет уровня человеческого интеллекта. Сотни ученых сходятся во мнении, что это произойдет примерно в 2040 году. Не слишком большой срок, не правда ли?

Итак, искусственному интеллекту понадобятся десятилетия, чтобы достигнуть уровня человеческого разума, но, в конце концов, это произойдет. Компьютеры научатся понимать мир, окружающий их, так же, как это осознает 4-летний ребенок. Внезапно, усвоив эту информацию, система освоит теоретическую физику, квантовую механику и теорию относительности. Через полтора часа ИИ превратится в искусственный суперинтеллект, в 170 тысяч раз превосходящий возможности мозга человека.

Суперинтеллект - это такой феномен, который мы не в силах даже отчасти осознать. В нашем представлении умный человек имеет IQ 130, а глупый - менее 85. Но какое слово можно подобрать для существа с IQ 12952?

Интеллект является синонимом власти, вот почему на данный момент человек находится на вершине эволюции, подчиняя себе всех прочих живых существ. Это означает, что с появлением искусственного суперинтеллекта мы перестанем быть «венцом природы». Мы будем подчинены сверхразуму.

Если наш ограниченный мозг сумел создать Wi-fi, представьте себе, что может сотворить разум, превосходящий нас в сотни, тысячи и даже миллионы раз. Этот разум сможет контролировать местонахождение каждого атома на планете. Все, что мы сейчас считаем магией или властью Бога, станет повседневной задачей сверхинтеллекта. Сверхразум сможет победить старость, исцелять болезни, уничтожить голод и даже смерть. Он даже сможет перепрограммировать погоду, чтобы защитить жизнь на Земле. Но суперинтеллект сможет в мгновение ока и разрушить жизнь на планете. В нашем сегодняшнем понимании действительности, рядом с нами поселится Бог в роли сверхинтеллекта. Единственный вопрос, который нам следует задать самим себе: будет ли это добрый Бог?

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) - наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

Что такое искусственный интеллект

Интеллект (от лат. intellectus - ощущение, восприятие, разумение, понимание, понятие, рассудок), или ум - качество психики, состоящее из способности приспосабливаться к новым ситуациям, способности к обучению и запоминанию на основе опыта, пониманию и применению абстрактных концепций и использованию своих знаний для управления окружающей средой. Интеллект - это общая способность к познанию и решению трудностей, которая объединяет все познавательные способности человека: ощущение, восприятие, память, представление, мышление, воображение.

В начале 1980-х гг. ученые в области теории вычислений Барр и Файгенбаум предложили следующее определение искусственного интеллекта (ИИ):

Позже к ИИ стали относить ряд алгоритмов и программных систем, отличительным свойством которых является то, что они могут решать некоторые задачи так, как это делал бы размышляющий над их решением человек.

Основные свойства ИИ - это понимание языка, обучение и способность мыслить и, что немаловажно, действовать.

ИИ – комплекс родственных технологий и процессов, развивающихся качественно и стремительно, например:

• обработка текста на естественном языке
• экспертные системы
• виртуальные агенты (чат-боты и виртуальные помощники)
• системы рекомендаций.

Национальная стратегия развития искусственного интеллекта

• Основная статья: Национальная стратегия развития искусственного интеллекта

Исследования в сфере ИИ

• Основная статья: Исследования в сфере искусственного интеллекта

Стандартизация в области ИИ

2019: Эксперты ISO/IEC поддержали предложение о разработке стандарта на русском языке

16 апреля 2019 года стало известно, что подкомитет ISO /IEC по стандартизации в области искусственного интеллекта поддержал предложение Технического комитета «Кибер-физические системы », созданного на базе РВК , о разработке стандарта «Artificial intelligence. Concepts and terminology» на русском языке в дополнение к базовой английской версии.

Терминологический стандарт «Artificial intelligence. Concepts and terminology» является основополагающим для всего семейства международных нормативно-технических документов в области искусственного интеллекта. Кроме терминов и определений, данный документ содержит концептуальные подходы и принципы построения систем с элементами , описание взаимосвязи AI с другими сквозными технологиями, а также базовые принципы и рамочные подходы к нормативно-техническому регулированию искусственного интеллекта.

По итогам заседания профильного подкомитета ISO/IEC в Дублине эксперты ISO/IEC поддержали предложение делегации из России о синхронной разработке терминологического стандарта в сфере AI не только на английском, но и на русском языке. Ожидается, что документ будет утвержден в начале 2021 года.

Развитие продуктов и услуг на базе искусственного интеллекта требует однозначной трактовки используемых понятий всеми участниками рынка. Стандарт терминологии позволит унифицировать «язык», на котором общаются разработчики, заказчики и профессиональное сообщество, классифицировать такие свойства продуктов на базе ИИ, как «безопасность», «воспроизводимость», «достоверность» и «конфиденциальность». Единая терминология также станет важным фактором для развития технологий искусственного интеллекта в рамках Национальной технологической инициативы – алгоритмы ИИ используют более 80% компаний в периметре НТИ. Кроме того, решение ISO/IEC позволит укрепить авторитет и расширить влияние российских экспертов при дальнейшей разработке международных стандартов.

В ходе заседания эксперты ISO/IEC также поддержали разработку проекта международного документа Information Technology - Artificial Intelligence (AI) - Overview of Computational Approaches for AI Systems, в котором Россия выступает в качестве соредактора. Документ предоставляет обзор современного состояния систем искусственного интеллекта, описывая основные характеристики систем, алгоритмы и подходы, а также примеры специализированных приложений в области AI. Разработкой этого проекта документа займется специально созданная в рамках подкомитета рабочая группа 5 «Вычислительные подходы и вычислительные характеристики систем Искусственного интеллекта» (SC 42 Working Group 5 «Computational approaches and computational characteristics of AI systems»).

В рамках работы на международном уровне делегации из России удалось добиться ряда знаковых решений, которые будут иметь долгосрочный эффект для развития в стране технологий искусственного интеллекта. Разработка русскоязычной версии стандарта, еще и со столь ранней фазы – гарантия синхронизации с международным полем, а развитие подкомитета ISO/IEC и инициация международных документов с российским соредакторством – это фундамент для дальнейшего продвижения интересов российских разработчиков за рубежом», - прокомментировал.

Технологии искусственного интеллекта широко востребованы в самых разных отраслях цифровой экономики . Среди основных факторов, сдерживающих их полномасштабное практическое использование, - неразвитость нормативной базы. При этом именно проработанная нормативно-техническая база обеспечивает заданное качество применения технологии и соответствующий экономический эффект.

По направлению искусственный интеллект ТК «Кибер-физические системы» на базе РВК ведет разработку ряда национальных стандартов, утверждение которых запланировано на конец 2019 – начало 2020 года. Кроме того, совместно с рыночными игроками идет работа по формированию Плана национальной стандартизации (ПНС) на 2020 год и далее. ТК «Кибер-физические системы» открыт для предложений по разработке документов со стороны заинтересованных организаций.

2018: Разработка стандартов в области квантовых коммуникаций, ИИ и умного города

Технический комитет «Кибер-физические системы» на базе РВК совместно с Региональным инжиниринговым центром «СэйфНет» 6 декабря 2018 года начали разработку комплекса стандартов для рынков Национальной технологической инициативы (НТИ) и цифровой экономики . К марту 2019 года планируется разработать документы технической стандартизации в области квантовых коммуникаций , и , сообщили в РВК. Подробнее .

Влияние искусственного интеллекта

Риск для развития человеческой цивилизации

Влияние на экономику и бизнес

• Влияние технологий искусственного интеллекта на экономику и бизнес

Влияние на рынок труда

Предвзятость искусственного интеллекта

В основе всего того, что является практикой ИИ (машинный перевод, распознавание речи, обработка текстов на естественных языках, компьютерное зрение , автоматизация вождения автомобилей и многое другое) лежит глубинное обучение. Это подмножество машинного обучения , отличающееся использованием моделей нейронных сетей , о которых можно сказать, что они имитируют работу мозга, поэтому их с натяжкой можно отнести к ИИ. Любая модель нейронной сети обучается на больших наборах данных , таким образом, она обретает некоторые «навыки», но то, как она ими пользуется - для создателей остается не ясным, что в конечном счете становится одной из важнейших проблем для многих приложений глубинного обучения. Причина в том, что такая модель работает с образами формально, без какого-либо понимания того, что она делает. Является ли такая система ИИ и можно ли доверять системам, построенным на основе машинного обучения? Значение ответа на последний вопрос выходит за пределы научных лабораторий. Поэтому заметно обострилось внимание средств массовой информации к явлению, получившему название AI bias. Его можно перевести как «необъективность ИИ» или «пристрастность ИИ». Подробнее .

Рынок технологий искусственного интеллекта

Рынок ИИ в России

Мировой рынок ИИ

Сферы применения ИИ

Сферы применения ИИ достаточно широки и охватывают как привычные слуху технологии, так и появляющиеся новые направления, далекие от массового применения, иначе говоря, это весь спектр решений, от пылесосов до космических станций. Можно разделить все их разнообразие по критерию ключевых точек развития.

ИИ - это не монолитная предметная область. Более того, некоторые технологические направления ИИ фигурируют как новые подотрасли экономики и обособленные сущности, одновременно обслуживая большинство сфер в экономике.

Развитие применения использования ИИ ведет к адаптации технологий в классических отраслях экономики по всей цепочке создания ценности и преобразует их, приводя к алгоритмизированию практически всего функционала, от логистики до управления компанией.

Использование ИИ в целях обороны и в военном деле

Использование в образовании

Использование ИИ в бизнесе

ИИ в борьбе с мошенничеством

11 июля 2019 года стало известно о том, что всего через два года искусственный интеллект и машинное обучение будут использоваться для противодействия мошенничеству в три раза чаще, чем на июль 2019 года. Такие данные были получены в ходе совместного исследования компании SAS и Ассоциации сертифицированных специалистов по расследованию хищений и мошенничества (Association of Certified Fraud Examiners, ACFE). На июль 2019 года такие антифрод -инструменты уже используют в 13% организаций, принявших участие в опросе, и в еще 25% заявили, что планируют их внедрить в течение ближайшего года-двух. Подробнее .

ИИ в электроэнергетики

• На уровне проектирования: улучшенное прогнозирование генерации и спроса на энергоресурсы, оценка надежности энергогенерирующего оборудования, автоматизация повышения генерации при скачке спроса.
• На уровне производства: оптимизация профилактического обслуживания оборудования, повышение эффективности генерации, снижение потерь, предотвращение краж энергоресурсов.
• На уровне продвижения: оптимизация ценообразования в зависимости от времени дня и динамическая тарификация.
• На уровне предоставления обслуживания: автоматический выбор наиболее выгодного поставщика, подробная статистика потребления, автоматизированное обслуживание клиентов, оптимизация энергопотребления с учетом привычек и поведения клиента.

ИИ в производственной сфере

• На уровне проектирования: повышение эффективности разработки новых продуктов, автоматизированная оценка поставщиков и анализ требований к запчастям и деталям.
• На уровне производства: совершенствование процесса исполнения задач, автоматизация сборочных линий, снижение количества ошибок, уменьшение сроков доставки сырья.
• На уровне продвижения: прогнозирование объемов предоставления услуг поддержки и обслуживания, управление ценообразованием.
• На уровне предоставления обслуживания: улучшение планирования маршрутов парка транспортных средств, спроса на ресурсы автопарка, повышение качества подготовки сервисных инженеров.

ИИ в банках

• Распознавание образов - используется в т.ч. для узнавания клиентов в отделениях и передачи им специализированных предложений.

ИИ на транспорте

• Автоиндустрия на пороге революции: 5 вызовов эры беспилотного вождения

ИИ в логистике

ИИ в пивоварении

ИИ в судебной системе

Разработки в области искусственного интеллекта помогут кардинально изменить судебную систему, сделать ее более справедливой и свободной от коррупционных схем. Такое мнение высказал летом 2017 года доктор технических наук, технический консультант Artezio Владимир Крылов.

Ученый считает, что уже существующие сейчас решения в области AI можно успешно применять в разных сферах экономики и общественной жизни. Эксперт указывает, что AI успешно применяется в медицине, однако в будущем способен полностью изменить и судебную систему.

«Ежедневно просматривая новостные сообщения о разработках в области ИИ только поражаешься неисчерпаемости фантазии и плодотворности исследователей и разработчиков в этой области. Сообщения о научных исследований постоянно чередуются с публикациями о новых продуктах, врывающихся на рынок и сообщениями об удивительных результатах, полученных с помощью применения ИИ в различных областях. Если же говорить об ожидаемых событиях, сопровождаемых заметным хайпом в СМИ, в котором ИИ станет снова героем новостей, то я, наверное, не рискну делать технологических прогнозов. Могу предположить, что ближайшим событием станет появление где-то предельно компетентного суда в форме искусственного интеллекта, справедливого и неподкупного. Случится это, видимо, в 2020-2025 году. И процессы, которые пройдут в этом суде приведут к неожиданным рефлексиям и стремлению многих людей передать ИИ большинство процессов управления человеческим обществом».

Использование искусственного интеллекта в судебной системе ученый признает «логичным шагом» по развитию законодательного равенства и справедливости. Машинный разум не подвержен коррупции и эмоциям, может четко придерживаться законодательных рамок и выносить решения с учетом многих факторов, включая данные, которые характеризуют участников спора. По аналогии с медицинской сферой, роботы -судьи могут оперировать большими данными из хранилищ государственных служб. Можно предположить, что

Музыка

Живопись

В 2015 году команда Google тестировала нейронные сети на предмет возможности самостоятельно создавать изображения. Тогда искусственный интеллект обучали на примере большого количества различных картинок. Однако, когда машину «попросили» самостоятельно что-нибудь изобразить, то оказалось, что она интерпретирует окружающий нас мир несколько странно. Например, на задачу нарисовать гантели, разработчики получили изображение, в котором металл был соединён человеческими руками. Вероятно, произошло это из-за того, что на этапе обучения анализируемые картинки с гантелями содержали руки, и нейронная сеть неверно это интерпретировала.

26 февраля 2016 года в Сан-Франциско на специальном аукционе представители Google выручили с психоделических картин, написанных искусственным интеллектом, порядка $98 тыс. Данные средства были пожертвованы на благотворительность. Одна из наиболее удачных картин машины представлена ниже.

Картина, написанная искусственным интеллектом Google.

Новости о новых разработках в области искусственного интеллекта появляются с завидной периодичностью. Так в январе этого года Google объявила о своих планах в партнёрстве с компанией Movidius создать мобильные процессоры с возможностями машинного обучения. Заявленные цели партнерства – предоставить людям возможности машинного интеллекта в их карманных устройствах. А в феврале инженеры MIT уже представили процессор Eyeriss, благодаря которому искусственный интеллект может появиться в портативных устройствах. И это на фоне того, что объем инвестиций в разработку систем искусственного интеллекта растёт от года к году.

Все говорит о том, что скоро искусственный интеллект проникнет уже и в наши смартфоны, которые серьезно «поумнеют». Так не далеко и до восстания машин? Насколько же нужно поумнеть машинам, чтобы взять власть над людьми. И насколько это реально.

Искусственный интеллект раз, искусственный интеллект два, искусственный интеллект три

Когда мы читаем или слышим об искусственном интеллекте, то многие из нас представляют себе SkyNet и машины из знаменитого фильма о Терминаторе. Что же вкладывают в это понятие исследователи и разработчики?

Различают три вида ИИ который нам предстоит, или возможно предстоит создать:

Узконаправленный искусственный интеллект. Именно его мы в ближайшее время получим в своих новых смартфонах. Такой интеллект превосходит человеческий в определенных видах деятельности или операциях. Компьютер с узконаправленным искусственным интеллектом способен обыграть чемпиона мира по шахматам, припарковать автомобиль или подобрать наиболее соответствующие запросу результаты в поисковой системе.

Сила такого искусственного интеллекта - в вычислительных возможностях процессоров. Чем больше эти возможности, тем эффективней решаются поставленные задачи. А с ростом мощности процессоров сейчас проблем нет. Узконаправленный ИИ, в философии искусственного интеллекта (есть и такая) именуется слабым.

Но одних вычислительных возможностей, по мнению ученых, мало для того чтобы создать по настоящему умные машины. Хотя именно вымышленный случай спонтанного перехода слабого искусственного интеллекта в сильный и лег в основу сценария фильмов о Терминаторе. SkyNet – суперкомпьютер Минобороны США, предназначенный для управления системой противоракетной обороны, обретает сознание и начинает принимать собственные решения.

Общий искусственный интеллект. Если системы с узконаправленным ИИ мы уже создали и нашли им практическое применение, то с Общим ИИ все гораздо сложнее. Такой вид ИИ уже интеллект человеческого уровня. Он универсален и способен выполнять те же интеллектуальные операции, что и мозг человека.

Если мы на своем веку увидим полностью человекоподобных роботов, то они будут обладать именно таким видом интеллекта. Вспомните андроида Эндрю из фильма Криса Коламбуса «Двухсотлетний человек». Роботы с таким ИИ смогут самостоятельно обучаться, мыслить и принимать решения как люди. Они смогут выстраивать отношения с окружающими людьми, становится друзьями и помощниками. Именно такой искусственный интеллект и называется сильным.

Но между сильным и слабым искусственным интеллектом лежит пропасть. Чтобы пройти путь от одного до другого, мало увеличить вычислительную мощность компьютеров, надо ещё дать им разум. Ученые пока ещё не видят однозначного способа как это сделать.

Искусственный сверхинтеллект. Именно этот вид искусственного интеллекта и привлекает широкое внимание. Во многом потому, что возможность его создания многими учеными воспринимается как опасность для человечества. SkyNet - иллюстрация такой угрозы.

Сверхинтеллект будет умнее любого из людей. Он будет превосходить человека практически в любой сфере. Сможет решать сложнейшие задачи и делать научные открытия. Как поведет себя разумная машина в отношении с человечеством?

Ученые предполагают три модели взаимодействия:

Оракул - мы сможем получить ответ на любой сложнейший вопрос.

Джин - все что нам нужно он сделает сам, используя для этого хоть молекулярный ассемблер, хоть роботизированные лаборатории и заводы, работающие без участия человека.

Суверен - сам найдёт проблему и сам её решит.

Как видим, в термине «искусственный интеллект» кроется целых три формы существования искусственного интеллекта. И отличия их друг от друга значительные, как и последствия перехода от одного ИИ к другому. Можем ли мы определить уровень интеллекта умных машин, что бы понимать с кем имеем дело?

Как измерить искусственный интеллект?

Люди отличаются друг от друга уровнем интеллекта. Для его количественной оценки применяются специальные тесты. Тест на IQ многим известен. А как меряют интеллект машин?

Если некритично подойти к сообщениям СМИ, то интеллектуальный уровень современных машин варьируется между IQ 4-х летнего ребенка и 13-летнего подростка. Эти два числа иллюстрируют два подхода к измерению интеллектуальности машин.

В 2015 году коллектив ученых из Иллинойса проверил систему искусственного интеллекта ConceptNet созданную в Массачусетском технологическом институте с использованием стандартного теста на IQ для детей в возрасте от 2,5 до 7 лет. Результат машины соответствовал средним показателям четырехлетнего ребенка.

Помимо применения тестов рассчитанных на человека широко известен и применяется специальный тест предназначенный для машин. Тест Тьюринга призван определить может ли машина мыслить.

Тест заключается в следующем. Один человек – судья общается с двумя собеседниками, которых он не видит. Все взаимодействие ведется путем переписки с помощью компьютера-посредника. Одним из собеседников является человек, а другим компьютерная программа, выдающая себя за человека. Если судья не сможет определенно сказать, кто из его собеседников является программой, то считается что машина прошла тест.

До настоящего времени тест Тьюринга был пройден лишь однажды. В 2014 году программа Eugene Goostman, имитировавшая 13-летнего подростка, названного разработчиками Женей Густманом, смогла ввести в заблуждение судей и выдать себя за человека.

Впрочем, против подобных тестов существует множество возражений. И компьютеры, и их программы на сегодняшний день являются носителями слабого - узконаправленного искусственного интеллекта. Такой интеллект может только имитировать человека который проходит тест.

Все изменится при переходе от слабого искусственного интеллекта к сильному. Машина наделённая общим искусственным интеллектом, который будет подобен интеллекту человека, уже будет обладать сознанием и самосознанием, а следовательно будет мыслить. Такой компьютер пройдёт стандартный тест на IQ, отвечая на вопросы сознательно, как это делает человек.

Коэффициент уровня интеллекта человека колеблется от 85 до 130. Эти же показатели будут доступны и общему ИИ. А вот верхний уровень IQ искусственного сверхинтеллекта ограничений иметь не будет. Это может быть и 1 000 и 10 000. Что нас ждёт по мере совершенствования ИИ?