Где используется искусственный интеллект сейчас
Перейти к содержимому

Где используется искусственный интеллект сейчас

  • автор:

На что способен искусственный интеллект сегодня и каков его потенциал

Фото: Shutterstock

Алгоритмы ИИ уже превосходят способности человека во многих сферах, где речь идет об обработке данных. Они способны брать на себя и «творческие» функции. Однако остается ряд нерешенных проблем, в том числе этических

Три типа искусственного интеллекта

На сегодняшний день искусственный интеллект ученые определяют, как алгоритмы, способные самообучаться, чтобы применять эти знания для достижения поставленных человеком целей. Системы машинного обучения (основной подраздел ИИ) автоматизировали процессы во всех жизненно важных областях, включая банкинг, ретейл, медицину, безопасность, промышленность. Выделяют три вида искусственного интеллекта: слабый (Narrow AI), сильный (AGI) и супер-ИИ (Super AI). Первый вид используются повсеместно (включая голосовых ассистентов, рекламу в соцсетях, распознавание лиц, поиск романтических партнеров в приложениях и так далее); эти системы слабого ИИ единственные доступные на сегодня. Сильный ИИ максимально приближен к способностям человеческого интеллекта и наделен по классическому определению Тьюринга самосознанием; по мнению экспертов, AGI сформируется примерно к 2075 году, а спустя еще 30 лет придет время для супер-ИИ. Супер-ИИ мог бы не просто стать подобным людям, но и превзойти лучшие умы человечества во всех областях, при этом перепрограммируя самого себя, продолжая совершенствоваться и, вероятно, разрабатывая новые системы и алгоритмы самостоятельно.

На что способен искусственный интеллект уже сейчас

Оценить динамику может каждый, кто пользуется автоматическими переводчиками. Еще лет пять назад Google Translate более-менее сносно справлялся с отдельными наборами фраз и предложениями, тогда как сегодня программа переводит большие смысловые блоки, нейросети учитывают контекст, оперируют огромными массивами статистических данных. Сейчас можно читать статьи на хинди, китайском, арабском, не зная языка. ИИ давно используется в финансовой сфере для оценки платежеспособности заемщика. Есть вам отказали в выдаче кредита на первом этапе ― вас отсеял именно искусственный интеллект. В США в некоторых штатах ИИ применяют в судебной системе для оценки продолжительности тюремных сроков для обвиняемых.

Алгоритмы помогают врачам ставить диагнозы. Например, «СберМедИИ» (входит в экосистему «Сбера») и Лаборатория по искусственному интеллекту Сбербанка совместно разработали приложение AI Resp: нейросеть анализирует голос пациента, дыхание и кашель, чтобы определить вероятность коронавирусной инфекции. Ранее Лаборатория по ИИ и «СберМедИИ» представили онлайн-сервис «КТ Легких», определяющий локализацию и степень поражения легких для диагностики вирусной пневмонии, в том числе COVID-19, по снимкам компьютерной томографии. Также при использовании этого сервиса ИИ позволяет выявлять онкологические заболевания на ранней стадии при анализе КТ грудной клетки и может помогать врачам при диагностике.

  • GPT-3 из области естественной обработки языка (NLP), самая сложная и в то же время гибкая нейронная сеть, способная генерировать статьи почти по любой теме, которые на первый взгляд трудно отличить от созданных человеком.

Фото:Shutterstock

  • Нейросеть AlphaFold 2, ставшая прорывом в медицинской науке, способна определять трехмерную структуру белка с высокой точностью всего за несколько часов, в сравнении с традиционными методами.
  • Алгоритмы AutoML (автоматизированное машинное обучение) сделали ИИ доступным малому и среднему бизнесу благодаря интеграции с облачными системами (например, MLSpace от SberCloud, Microsoft Azure или AutoML от Google). Используя среду разработки, предприятия могут написать свои алгоритмы, к примеру, для обработки обращений клиентов или улучшения прогнозирования спроса.

Искусственный интеллект превосходит людей по IQ и креативности: в викторинах он набирает на 40% больше баллов, по вопросам SAT (тест для оценки знаний абитуриентов США) — на 15% больше баллов, чем средний абитуриент колледжа.

Роль ИИ в экономике

PwC прогнозирует увеличение мирового ВВП на $15,7 трлн к 2030 году благодаря развитию искусственного интеллекта. К этому времени Китай станет ведущей мировой державой в сфере ИИ с увеличением ВВП на 26%, Северная Америка будет следующей с ростом ВВП на 14,5%, за ней последует рост на 11–12% в крупнейших экономиках Европы. Развивающиеся страны получат наименьшую выгоду, поэтому есть риск усиления цифрового неравенства.

Влияние пандемии на внедрение ИИ в бизнесе

Кризис только ускорил внедрение ИИ, и этот импульс сохранится в дальнейшем, показывают опросы: большинство компаний (52%) стали быстрее внедрять ИИ из-за пандемии, 86% респондентов утверждают, что ИИ становится «основной технологией» в их компании.

Почти три четверти бизнес-лидеров положительно оценивают роль ИИ после пандемии и сопутствующего кризиса. Большинство руководителей (74%) не только ожидают рост эффективности бизнес-процессов, но и создание новых бизнес-моделей (55%), новых продуктов и услуг (54%) — благодаря внедрению ИИ.

По мнению экспертов Оксфордского университета, к 2026 году ИИ напишет эссе, которое сойдет за написанное человеком, заменит водителей грузовиков к 2027 году и станет выполнять работу хирурга к 2053 году. Также ИИ превзойдет людей во всех задачах в течение 45 лет и автоматизирует все рабочие места в течение 120 лет.

Консалтинговая компания Accenture утверждает, что ИИ способен увеличить прибыль компаний в среднем на 38%. По словам экспертов и представителей бизнеса, ИИ помогает компаниям прогнозировать и выявлять проблемы, а также восполняет нехватку навыков сотрудников, хотя до построения бизнес-стратегии искусственным интеллектом еще далеко.

Большинство опрошенных компаний инвестируют в ИИ (90%) и согласны с тем, что данные технологии способствуют развитию бизнеса, выяснили MIT Sloan Management Review и BCG. Тем не менее, компании так и не научились извлекать из ИИ реальную выгоду. И это не единственный проблемный момент в сфере искусственного интеллекта.

Фото:пресс-служба Сбербанка

Основные вызовы технологии ИИ

Бизнес-процессы

Чтобы компания извлекала прибыль, недостаточно вложить средства в алгоритм и получить первые успешные результаты после запуска пилотного проекта. Внедрение ИИ — это многоуровневый процесс, включающий культурные изменения в компании, найм и обучение специалистов по data science, автоматизацию и построение бизнес-процессов с учетом алгоритмов, и на этом весь список не заканчивается.

«Говоря о внедрениях, необходимо приложить усилия в пропорциях 10–20–70. То есть, примерно 10% усилий должно уйти на создание алгоритма, 20% на построение технологии и 70% на организацию бизнес-процессов. Компания должна быть на определенном уровне технологической зрелости для того, чтобы внедрение ИИ приносило пользу», — говорит Леонид Жуков, генеральный директор Института Искусственного Интеллекта AIRI, старший управляющий директор Лаборатории по искусственному интеллекту Сбербанка.

Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.

Такие гиганты как Alibaba, Amazon, Facebook, Google массово используют глубокие искусственные нейронные сети, например, Long-Short-Term Memory, чтобы предсказать спрос пользователей и дольше удерживать их на своих платформах, заставляя переходить по большему количеству рекламных объявлений.

Нехватка специалистов

ИИ развивается с высокой скоростью, и то, что называлось полгода назад state-of-the-art (высшим уровнем развития), сегодня может оказаться средней разработкой. Если раньше в сфере искусственного интеллекта была занята узкая прослойка специалистов, сейчас при таком огромном спросе попросту не хватает квалифицированных кадров, способных справиться с постоянно развивающейся технологией, отмечает Жуков.

Фото:Unsplash

Спрос на ИИ-специалистов вырос на 74% за 2016–2019 годы, сейчас две из пяти компаний, использующих ИИ на продвинутом уровне, отмечают острую нехватку специалистов, трудности с наймом также возглавляют список проблем в области ИИ.

Проблемы машинного обучения

Качество данных — второе по значимости препятствие для внедрения ИИ, после нехватки специалистов. Для успешных результатов алгоритмам необходимы качественные «вводные», включая размеченные и чистые данные. Неправильно заданные паттерны могут провоцировать систему делать ложные выводы: например, ошибочно сигнализировать о мошеннической транзакции, или осудить невиновного.

На качество влияет и степень предвзятости, или bias, включая гендерные и расовые предрассудки, которым может быть подвержен человек, работающий с алгоритмом.

Фото:Фото: Chris McGrath / Getty Images

Количество данных. Помимо качества, компьютеру все еще требуется большой объем данных и ресурсов для выполнения простейших задач. Отличать собак от кошек ИИ научится за три дня, задействуя 10 млн изображений и 16 000 компьютеров, в то время как ребенку хватило бы пары фотографий и нескольких минут. Если бы модель GPT-3 обучали читать и писать статьи не на суперкомпьютере, а на обычном ПК, весь процесс занял бы примерно 500 лет.

«На данный момент перед исследователями ИИ стоят несколько вызовов. Это умение искусственного интеллекта ставить перед собой новые задачи на основе имеющихся знаний; способность обучаться, не забывая полученные знания; и умение учиться разбивать цель на подцели. Преодоление этих проблем приблизит ученых к созданию таких машин, которые смогут лучше понимать человека и помогать достижению все более амбициозных целей», — отмечает Михаил Бурцев, директор по фундаментальным исследованиям Института Искусственного Интеллекта AIRI, заведующий Лабораторией нейронных систем и глубинного обучения МФТИ.

Применение в другом контексте. Хотя искусственный интеллект сегодня способен выполнять различные функции — от распознавания кошек и собак до предсказания поломок на нефтяных платформах, — это все еще узконаправленные задачи. ИИ пока что не умеет применять полученные навыки в непривычных условиях.

Влияние на климат

Проблема потребления энергии искусственным интеллектом напрямую связана с количеством ресурсов, задействованных в обработке данных. Обучение же одной NLP-модели (подобной GPT) требует столько же энергии, сколько автомобиль за весь его срок службы, и производит в пять раз больше CO2.

Во всем мире центры обработки данных потребляют около 200 ТВт·ч электроэнергии в год — больше, чем некоторые страны. В то же время, есть и противоположный эффект — ИИ поможет снизить выбросы парниковых газов на 1,5–4% к 2030 году, согласно отчету Европейского парламента.

Использование ИИ в науке

Машинное обучение стало ключевым инструментом исследователей из разных областей, однако потенциал ИИ в науке еще предстоит раскрыть, отмечает Леонид Жуков. Стимулирование новых открытий с помощью ИИ актуально, например, в области создания новых материалов при помощи вычислений или в прогнозировании изменений климата для разработки стратегий повышения устойчивости к изменениям окружающей среды. Например, в рамках стремления к достижению углеродной нейтральности, ученые из группы поиска новых материалов Института AIRI совместно со Сбербанком разработали прототипы моделей, позволяющих оптимизировать контроль качества на производстве солнечных батарей.

В перспективе машинное обучение может активнее применяться для охраны дикой природы в малодоступных регионах и подсчете особей, понимания сложной органической химии и в исследовании темной материи.

Искусственный интеллект в России и мире: эволюция, тенденции, будущее

Сегодня искусственный интеллект активно задействуют в промышленности, строительстве, ТЭК и других сферах. Усиливают потенциал данной технологии новые суперкомпьютеры, которые помогают обучать ИИ для выполнения соответствующих задач.

Проекты ИИ получают поддержку со стороны государства. В 2021 году стартовал Федеральный проект «Искусственный интеллект», в рамках которого в ИИ будет вложено 24,6 млрд ₽ в течении 5 лет. Уже было профинансировано создание 6 новых научно-исследовательских центров в ведущих университетах и НИИ.

Возникает необходимость не только в оценке эффективности технологий, но и в обосновании их экономической выгоды. В этой статье я рассмотрю тенденции развития ИИ в России, также его возможное будущее и расскажу, как мы применяем искусственный интеллект в работе с данными.

Эволюция

Авторы Альманаха Искусственного интеллекта в числе основных событий года назвали новую парадигму в области машинного обучения. О ней объявили исследователи из Стэнфорда: вместо множества стартапов с собственными разработками будут 5–10 гигантских моделей ИИ, разрабатываемых крупными корпорациями. Другие же компании будут их дообучать и использовать.

GPT-3 — одна из моделей, существовавших на тот момент. Она содержит 175 млрд параметров. Процесс обучения происходил на суперкомпьютере Microsoft Azure AI — его построили специально для OpenAI. По разным подсчётам на обучение могло уйти от 4,6 до более 5 млн долларов.

Развитие этой тенденции явно видно в 2023 году. Только недавно вышла ChatGPT-4. Количество слов, которые способна обработать нейросеть, увеличилось с 8 000

до 64 000. Более того, теперь она может обрабатывать изображения: например, проанализировать макет сайта или описать иллюстрацию. Сегодня он помогает PR, SMM специалистам и журналистам, программистам и разработчикам сайтов, даёт вдохновение дизайнерам, помогает создавать баннеры, видеоролики, клипы и другой контент.

Иллюстрация от Kandinsky по запросу: ChatGPT-3 и ChatGPT-4 на ринге как милые котики дерутся.

Среди главных событий 2021 году упомянуто создание ассистента программиста Copilot – ещё один проект, связанный с Microsoft и OpenAI. По запросу на естественном языке он пишет программный код. Специалисту при работе с ними необходимо написать архитектуру, после чего ИИ будет решать типовые задачи. На международной ИТ-конференции «Ключевые тренды развития искусственного интеллекта: наука и технологии» Пётр Чернавин (гендиректор ГК «ГОСТ») назвал такие инструменты настоящим прорывом.

Ещё одно яркое событие тоже связано с OpenAI: развитие тренда мультимодальности. Этот тренд в Machine Learning задала модель DALL-E, работающая с языком и изображениями. Мультимодальный искусственный интеллект объединяет множество форматов данных – тексты, фото, видео и аудио. Модель способна генерировать уникальные изображения по текстовому запросу пользователя.

В России самыми яркими событиями называют обучение Сбером самой большой мультимодальной модели Kandinsky 2.1, а также победу команды DeepPavlov из МФТИ в технологическом конкурсе НТИ Up Great ПРО//Чтение – разработанная ими модель проверяла эссе на английском языке с эффективностью 107% по сравнению с результатами проверки реальными учителями.

ИИ-модели различаются объёмом данных, на котором были обучены, а также количеством параметров данных, с которыми работают. Модель Kandinsky 2.0 содержала 2 млрд параметров, Kandinsky 2.1 – уже 3,3 млрд. Для обучения во втором случае использовали 170 млн связок «текст-изображение», а затем её дообучили на другом датасете – он содержал 2 млн пар изображений. Увеличение количества параметров позволяет получить более качественные и реалистичные изображения по запросу пользователя.

Но это правило действует не всегда. Например, DALL-E содержал 12 млрд параметров, а в DALL-E 2.0 их количество составило 3,5 млрд основных и 1,5 млрд дополнительных. При этом вторая версия генерирует изображения, разрешение которых в 4 раза выше, чем в первой версии.

Применение ИИ-разработок

Нейротехнологии и искусственный интеллект входят в список сквозных технологий, который содержится в нацпроекте “Цифровая экономика”. Они считаются наиболее перспективными и способными радикально изменить существующие рынки, стать основой для создания новых. Приведём несколько примеров применения разработок на основе искусственного интеллекта.

Мода

Инструменты на базе машинного зрения, анализа данных, машинного обучения помогают производителям одежды определять, нет ли плагиата в их новой линейке, искать новые идеи и предугадывать модные тенденции.

Одни приложения помогают пользователям найти по фотографии модель понравившейся одежды, а другие — заранее предложат тёплую одежду, если вы планируете отпуск в холодной стране, или купальник, чтобы подготовиться к лету.

Транспорт

Системы на основе искусственного интеллекта позволяют управлять транспортными потоками. В России в разных городах устанавливают умные светофоры. В Москве нейросети позволяют находить нарушителей на средствах индивидуальной мобильности – самокатах и моноколёсах.

Почти во всех поездах московского метро установлена система “Антисон”, которая следит за состоянием водителя; аналог такой системы тестируют в карьерных 220-тонных самосвалах БелАЗ.

Расписание поездов на железной дороге с помощью ИИ можно составить за несколько секунд.

И, конечно, стоит сказать о беспилотных автомобилях. В следующем году по трассе М-11 “Нева” начнут перемещаться беспилотные грузовики.

Металлургия и промышленность

ИИ помогает оценить качество дорог в карьере по кадрам с беспилотника, быстро обрабатывать данные с множества сенсоров для поддержания безопасности процессов, найти царапины на металлопрокате.

Система поддержки принятия решений для сталеваров даёт советы о том, какое количество ферросплавов необходимо добавить в выплавку.

Обработка нейросетью больших объёмов данных позволяет экономить энергию и оптимизировать процессы, а компьютерное зрение в том числе отвечает за безопасность – речь о нахождении сотрудников в зонах, где людям быть не положено.

Работа с данными

Искусственный интеллект используется для решения двух основных задач. Во-первых, для обработки и анализа больших данных. Так называемая предиктивная аналитика, позволяющая моделировать возможные сценарии. Во-вторых, с целью нормализации данных – приведения данных из разных источников к единому стандарту, принятому во внутренней информационной системе. Существует ряд коммерческих разработок в этой области.

Платформа для анализа программного обеспечения Dynatrace используют для мониторинга и оптимизации производительности приложений, а также разработки ПО и методов обеспечения безопасности. ИИ помогает преодолеть проблему разрозненности систем – когда данные поставляются из двух и более источников.

HPE в 2017 году приобрела продукт InfoSight, платформу предиктивного анализа состояния ИТ для использования в дата-центрах. Искусственный интеллект обнаруживает проблемы до того, как они окажут влияние на бизнес-процессы.

Платформа управления ИТ-инфраструктурой «ИТМен» собирает данные из разных источников (AD, FreeIPA, VMWare, Clouds, Hyper-V, Samba, VMM) в одном месте, нормализует их с помощью ИИ и поставляет в CMDB.

Мировой тренд на ИИ

Исследовательская и консалтинговая компания Gartner Research в октябре 2022 года в числе главных стратегических технологических трендов на 2023 год назвала «Адаптивный искусственный интеллект» (Adaptive AI).

Ценность операционного искусственного интеллекта заключается в том, что модели ИИ можно быстро разрабатывать, развертывать, адаптировать и поддерживать в различных средах предприятия. С одной стороны, проектировать подобные системы сложно. С другой – их нужно быстро выводить на рынок.

Поэтому необходимы целые конвейеры для разработки ИИ или создание таких моделей, которые могут самостоятельно адаптироваться. Gartner приводит несколько примеров.

Производитель химикатов и материалов Dow. Американская компания использует адаптивные системы ИИ, которые за счёт обратной связи улучшает корпоративную аналитику. Ценность аналитической платформы благодаря этому подходу выросла на 320%.

Учебное ПО Cerego в армии США с помощью ИИ адаптирует уроки к процессу обучения каждого конкретного человека.

Датское управление технологий безопасности (DSTA) следит за безопасностью продуктов, продаваемых в стране. ИИ помогает найти продукты и производителей, ускоряя обнаружение проблем. Спин-офф этого решения используется в 19 других европейских странах.

Перспективы ИИ в России

В России реализуется федеральный проект “Искусственный интеллект”, разработанный в соответствии со Стратегией ИИ до 2030 года. Сергей Наквасин, директор Национального центра искусственного интеллекта при Правительстве РФ, поделился своими мыслями на ИТ-конференции «Ключевые тренды развития искусственного интеллекта: наука и технологии»:

  • Ожидания людей от искусственного интеллекта перегреты.
  • Снизились инвестиции в это направление.
  • На первый план выходят вопросы этики и безопасности.
  • Искусственный интеллект сольётся с другими технологиями.
  • Необходимо развивать квантовый искусственный интеллект.

Экономический кризис эксперт назвал главным двигателем внедрения ИИ. Поскольку бюджеты компаний снижаются на фоне международных экономических сложностей, ключевым мотивом становится оптимизация затрат и повышение эффективности.

Сергей Наквасин отмечает, что сегодня важно решить решить проблему получения конкретных экономических эффектов. В Китае ожидают вклад ИИ в ВВП в 26,1% к 2030 году, в ОАЭ – 13,5%. В России понимают все трудности и противоречия, связанные с этой технологией, и говорят о 2-5%. Этот эффект необходимо показать, чтобы продолжить развитие технологического направления с поддержкой государства.

Инвестиции в ИИ замедляются, так как необходимая глобальная инфраструктура уже создана. Открыт доступ к мощностям, есть дата-сеты, большое количество low-code решений, которые позволяют любому начинающему специалисту создавать приложения. Стоимость создания дата-сетов также снизилась, так как появилась возможность формировать синтетические дата-сеты, отметил Наквасин.

О синтезе данных для задач AI рассказал Борис Рабинович, старший управляющий директор департамента управления данными Сбера. Синтез помогает увеличить доступность данных, которые не отличимы от реальных, для исследований. Этот процесс он относится к тренду кибербезопасности: организация при обучении нейросети не рискует номерами карт, телефонами и другой информацией от клиента. От реальной информации в синтезированных данных ничего не остаётся, их нельзя расшифровать.

Сбер относится к числу крупных компаний, использующих ИИ. Борис Рабинович отметил, что финансовый эффект по применению искусственного интеллекта в Сбере в 2022 году составил 235 млн.

Кроме крупных компаний, прорывы в области ИИ могут обеспечить научные организации, в том числе Центры компетенций НТИ, которые связывают бизнес-заказчиков и учёных, а также команды, среди которых – вышеупомянутый DeepPavlov из МФТИ с технологией обработки естественного языка, BaseTrack и Starline, разработчики технологий беспилотных автомобилей. Компании могут участвовать в технологических конкурсах за крупные денежные призы, имеют возможность получить гранты от государства или начать самостоятельно зарабатывать на своей технологии.

Заключение

Искусственный интеллект сегодня стал одним из самых перспективных инструментов. Почему же Илон Маск, Стив Возняк, Эван Шарп подписали письмо, в котором эксперты настаивают на перерыве в исследованиях до появления общих протоколов безопасности? В будущих статьях мы разберем вопрос этики в области искусственного интеллекта.

  • искусственный интеллект
  • технологические тренды
  • промышленность
  • образование
  • большие данные
  • большие данные и машинное обучение
  • ai
  • боты

Где проходит граница возможностей искусственного интеллекта

Искусственный интеллект уже второй год подряд становится самой обсуждаемой технологией во всем мире. К ней приковано внимание общества, бизнеса и государства. Он одновременно восхищает и пугает людей, а инвестиции в ИИ исчисляются десятками миллиардов долларов. О том, что же такое современный искусственный интеллект, в интервью «Российской газете» рассказал генеральный директор Института искусственного интеллекта AIRI, доктор физико-математических наук, профессор РАН и Сколтеха, Иван Оселедец.

ИИ можно использовать практически в любом технологически сложном производстве.

ИИ можно использовать практически в любом технологически сложном производстве. / Александр Корольков/РГ

Почему многие люди боятся ИИ, откуда взялся этот страх? Иван Оселедец: Отчасти это влияние поп-культуры, таких фильмов, как «Терминатор» и других ярких художественных произведений. У меня и моих коллег перед матричными умножениями — так, собственно, и работает нейросеть — страха нет, скорее интересует вопрос почему же она все-таки работает. Действительно интересно все это осознать, понять какими средствами и каким языком описать. Искусственный интеллект на основе нейросетевых моделей пережил первый пик интереса в 2016 году после матча нейросети AlphaGo и первого игрока мирового рейтинга в игру Го, Ли Седоля. Но тогда кроме специалистов на победу AlphaGo никто не обратил внимания. Что изменилось за 6 лет, почему с 2022 года ИИ постоянно находится на пике общественного интереса? Иван Оселедец: Ответ на этот вопрос очень прост — ChatGPT. Это действительно прорывная история в первую очередь за счет колоссально выросшего качества общения ИИ с человеком. На самом деле искусственный интеллект используется очень давно, например, в камерах, которые распознают лица с потрясающей точностью или в интернет-торговле. ИИ уже с нами, он уже здесь. Но такой формат взаимодействия с ИИ не производил такого впечатления на людей, как возможность лично пообщаться с ИИ. Главная идея ChatGPT заключалась в том, чтобы не обучаться на большом количестве произвольных текстов из интернета, а добавить в процесс обучения нейросетевой модели обратную связь от человека. То, что называется RLHF (reinforcement learning human feedback) Оказалось, что качественные данные и обратная связь от человека приводят к существенному скачку в качестве модели. То есть локомотивом всего хайпа вокруг ИИ стал один яркий продукт? Иван Оселедец: Да, локомотивом действительно стала новая методика обучения и конкретно ChatGPT, который Open AI выложили в публичный доступ. Как только люди стали пользоваться ChatGPT, это привело, к колоссальному взрыву интереса. Сейчас у многих людей эта штука открыта в ежедневном режиме, каждый для себя (по крайней мере я могу про себя и коллег говорить) находят там широкий спектр применений. Интересно, что хотя это очень мощная технология, на самом деле ее не очень сложно повторить. В последние несколько месяцев появилось нескольких открытых OpenSource моделей чуть меньшего размера. Так что это только начало. В ближайшее там время нас ждет очень много интересного.

Иван Оселедец: Можно считать, что мы уже живем в эпоху более или менее «общего ИИ». Человечество пересекло эту условную черту. Фото: Пресс-служба AIRI

Как вы относитесь к письму организации Future of Life, которое подписали Илон Маск, сооснователь Apple Стив Возняк и другие известные персоны, относительно приостановки разработок в области ИИ ввиду его потенциальной опасности для людей? Иван Оселедец: Я, конечно, не поддерживаю идею что надо что-то остановить, прекратить, тем более что некоторые люди, которые подписывали это письмо, например Илон Маск, потом вкладывали деньги в свою компанию по разработке ИИ. Есть и такие экзальтированные исследователи ИИ, как Элиезер Юдковский, который дошел до того, что фактически призывает бомбить дата-центры, где обучают нейросетевые модели. Все это выглядит очень странно. Действительно, сейчас технологии машинного обучения хорошо работает там, где цена ошибки не высока. Никто не может дать гарантии стопроцентно безошибочной работы ИИ, но мы и для человека не можем дать такой гарантии, а ошибки человека, которые случаются, устраняем путем внесения изменений в регламенты, обучение, в подготовку. Такие же процедуры работают и для искусственного интеллекта. Если, например, мы поставим нейросетевую модель управлять транспортом, и она перестанет корректно работать, надо будет разобраться, почему это произошло и решить проблему так же, как и в случае с обучением человека. Мне кажется, сейчас надо максимально вкладываться в развитие ИИ. Естественно, если в какой-то момент мы упремся в технологический или иной барьер, тогда и надо будет думать, что делать дальше. Однако, многие задачи, которые раньше считались для ИИ сложно решаемыми, современные большие языковые модели (LLM) решают легко. Это замечательно, значит, надо учиться этими моделями пользоваться, надо учиться с ними взаимодействовать. То, что происходит сейчас с ИИ сравнимо с предыдущими технологическими революциями, но я опять же не вижу в этом ничего страшного или критичного. В мире, будем честны, гораздо больше более серьезных проблем — голод, болезни, стихийные бедствия — чем гипотетический захват власти над миром каким-то супермозгом.

Если ИИ сможет автоматизировать рутинные процессы в этом нет ничего плохого. Люди смогут сфокусироваться на более интересных и творческих вещах

Что вы думаете относительно социальных последствий массового внедрения ИИ? Насколько оправданы опасения его противников, что ИИ лишит их работы, профессии? Иван Оселедец: Если ИИ сможет автоматизировать рутинные процессы в этом нет ничего плохого. Люди смогут сфокусироваться на более интересных и творческих вещах. Но пока не все так просто. Возьмем, программирование и написание кода. Уже было несколько случаев, когда нейросеть за 3 минуты писала код. Очень правдоподобно писала, но с такими хитрыми ошибками, что человек потом 3 часа искал этот несчастный баг. Если же учесть, что программистов сейчас не хватает во всем мире, рынок труда перегрет, то в том, что самый простой код будет писать ИИ нет ничего плохого. Как далеко мы сейчас находимся от того, что называют «общим искусственным интеллектом»? Он в принципе возможен? Иван Оселедец: На эту тему очень много спекуляций, но если бы год назад я сказал «вряд ли» или «надо подождать», то с появлением ChatGPT многое изменилось. Почему бы те вещи, которые он сейчас делает, не рассматривать как проявление общего искусственного интеллекта, который отвечает на многие вопросы лучше среднестатистического человека, решает разнообразные задачи, выполняет роль помощника. Что тут не соответствует понятию «общего искусственного интеллекта». Кейсы с использованием современного ИИ — это очень многозадачные истории и даже в некоторых случаях достаточно креативные. В этом смысле мы подошли очень близко к общему ИИ. Он неожиданно для многих появился в форме чат-бота, который обрастает различными модальностями, то есть, уже работает не только с текстом, но и с изображениями и видео. Можно считать, что мы уже живем в эпоху более или менее «общего ИИ». Человечество в каком-то смысле пересекло эту условную черту. Конечно, можно спорить относительно определения общего ИИ, но факт остается фактом, поведение современных больших языковых моделей принципиально отличается от того, что мы видели раньше и их действительно можно назвать прототипами общего ИИ. Каково на ваш взгляд сейчас место России в мировой ИИ-индустрии в науке о данных? Иван Оселедец: В области Data Science (науки о данных), думаю, мы входим в Топ 15-20 стран. Это достаточно легко измерить количеством публикаций на конференциях. Хотелось бы, конечно, больше так как в этом нет ничего сложного. Data Science наука достаточно своеобразная и нетипичная для нашей академической традиции, так как она не подразумевает каких-то глубоких фундаментальных исследований, а представляет собой набор быстрых и успешных рецептов, которые люди придумывают и используют. Если говорить с точки зрения развития прикладных технологий у нас все очень неплохо. Я обычно привожу как пример обработку медицинских изображений, где по многим показателям Москва находится в мировых лидерах. Тут опять все сводится к тому, что нужно правильно собрать данные и обучить модели, но тем не менее, такого внедрения этой технологии, как в Москве, нигде в мире практически нет. Сегодня каждая уважающая себя российская IT-компания или банк имеет у себя отдел, занимающийся машинным обучением. В «Сколтехе» есть свои научные группы, они работают, появляются новые, но я думаю, что нужно раза в четыре-пять больше научных групп, работающих в области ML (машинного обучения). В целом же ситуация с искусственным интеллектом в стране неплохая, туда вкладываются деньги, есть проекты, есть поддержка. Обучение больших нейросетевых моделей требует значительных вычислительных ресурсов. Насколько реально создавать суперкомпьютеры в текущих условиях в России? Что для этого нужно? Иван Оселедец: Санкционная история просто повышает стоимость вычислительных ресурсов и их доступность. Но при этом программное обеспечение, которым все пользуются, не очень эффективно. Сейчас вычислительный кластер достигает при стандартной методике обучения не более 50% от своей максимальной производительности. Если же, условно, приблизиться к 100%, можно в 2 раза ускорить обучение на том же самом «железе». Одной из важных задач является разработка новых эффективных вычислительных методов обучения нейросетей, которые позволят снизить время обучения и потребление электроэнергии. Мы ведем над этим активную работу. Ситуация с вычислительными мощностями она в везде не очень хорошая, а не только в России. На рынке графических чипов, необходимых для обучения нейросетей, есть фактический монополист — компания NVIDIA, и все в мире осознают это, как глобальную проблему. NVIDIA ушла так далеко вперед, что сейчас проще купить у них процессор, чем пытаться разрабатывать свой. Даже Google для своего последнего вычислительного кластера просто закупила у нее 26 тысяч графических карт, хотя у них есть свой специальный процессор для обучения нейросетей. Наличие такого монополиста не очень хорошо, но при этом надо понимать, сколько стоит разработка каких-то своих решений. Тут тоже есть варианты, что можно сделать, но это все средне- и долгосрочные перспективы. Пока же есть один путь — закупка графических карт и оптимизация алгоритмов. Нужно думать головой, а не просто механически увеличивать размер модели и объем железа необходимого для ее обучения. Пример с ChatGPT показал простую вещь. Можно не обучать модель на сто миллиардов параметров, а создать и обучить модель в несколько миллиардов параметров. Это сокращение сложности и требуемых для обучения мощностей и электроэнергии в десятки раз. При этом можно получить сравнимое качество модели за счет более оптимальных алгоритмов обучения и грамотно подобранных данных.

Если же говорить о промышленности, то ИИ можно использовать практически в любом технологически сложном производства, например, для контроля процесса сварки в режиме реального времени

Безусловные лидеры внедрения ИИ сейчас сервисы и сфера услуг. Почему ИИ-продукты так медленно внедряются в промышленность сельское хозяйство? Там же очевиден огромный потенциал для ИИ. Иван Оселедец: В сельском хозяйстве действительно очень большой потенциал для ИИ-решений, связанных с обработкой спутниковых снимков, анализом различных рисков и предиктивной аналитики на основе этих данных. Просто есть высокая инерция, которая тормозит внедрение, плюс такой аспект, как стоимость труда. В тех агрокомплексах, где она невысокая, нет мотивации для оптимизации производственных процессов. Имеется еще и «человеческий фактор». Специалисты в прикладных областях часто рассматривают датасайентистов как «персональных врагов», которые учат их тому, чем они занимаются много лет. не являясь специалистами в их области. Если же говорить о промышленности, то ИИ можно использовать практически в любом технологически сложном производства, например, для контроля процесса сварки в режиме реального времени. Причем это все можно делать уже на готовых технологиях, не разрабатывая и не обучая нейросеть с нуля.

Фото: Михаил Джапаридзе / ТАСС

Среди претензий, которые предъявляют к разработчикам нейросетей, есть такая, что они не могут объяснить, как нейросеть пришла именно такому ответу, а не к другому. Это проблема? Иван Оселедец: Да, это большая проблема и для нее пока нет каких-то хороших решений, даже для обычных моделей, которые распознают лица с точностью до 99,999%. Сейчас пытаются те же языковые модели, использовать для генерации объяснений, но какого-то вот разумного работающего подхода для повышения объяснимости работы моделей пока нет. Более того есть много примеров, когда можно злонамеренно модифицировать вход, модифицировать текст, модифицировать картинку и модель вообще начинает что-то другое предсказывать. Это одна из недавно открытых больших проблем. Но бизнес это не очень интересует, они говорят — вот у нас есть нейросеть с точностью работы 99,99% и больше нам ничего не нужно. Человек и то чаще ошибается, а почему эта модель работает хорошо нам неважно. Сейчас в целом доминирует бизнес-подход, когда компании готовы внедрять ИИ для экономической выгоды. Либо, если они боятся и переживают, что цена ошибки будет слишком высока, они не внедряют ИИ, а просто используют его как помощника, как например в медицине.

Модель сама придумывает себе задачки, сама их решает и все это работает, но не очень понятно как. Это требует на самом деле системного объяснения

А есть понимание барьера для развития ИИ если говорить о нейросетях? Иван Оселедец: Серьезного барьера пока не видно. Но, наверное, из тех задач, которые на данный момент считаются сложными, это те, где нужен не вероятностный, а один точный и правильный ответ и где нельзя выдавать правдоподобные версии. Усилия разработчиков фокусируются вот на таком классе задач. Сейчас требуют изучения некоторые методики. Когда модели дают 100 задач, а потом просят ее придумать задачи, похожие на те, которые ее давали. Затем модель дообучается уже на тех задачах, которые она придумала себе сама и ее качество при этом существенно улучшается. То есть, фактически никаких новых данных не дается, а модель сама придумывает себе задачки, сама их решает и все это работает, но не очень понятно как. Это требует на самом деле системного объяснения.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ НА СЕГОДНЯШНИЙ ДЕНЬ Текст научной статьи по специальности «Компьютерные и информационные науки»

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Утегенов Нұрдәулет Бауыржанұлы

В данной статье описана история разработок в сфере искусственного интеллекта, определён курс развития науки искусственного интеллекта, рассматривается обзор состояния различных исследований и разработок систем на текущее время, перечислены основные направления научно-исследовательских работ в сфере искусственного интеллекта , представлены возможности применения ИИ в различных отраслях человеческой деятельности.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Утегенов Нұрдәулет Бауыржанұлы

Современное состояние искусственного интеллекта
Тенденции развития искусственных нейронных сетей в цифровой экономике
Технические и философские основания для создания сильного искусственного интеллекта (часть i)
Программирование искусственного интеллекта
Подходы и реализации компьютерной имитации интуиции
i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

ARTIFICIAL INTELLIGENCE TODAY

This article describes the history of developments in the field of artificial intelligence, determines the course of development of the science of artificial intelligence, reviews the status of various research and development systems at the current time, lists the main areas of research work in the field of artificial intelligence, presents the possibilities of using AI in various fields of human activities.

Текст научной работы на тему «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ НА СЕГОДНЯШНИЙ ДЕНЬ»

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ НА СЕГОДНЯШНИЙ ДЕНЬ

Утегенов Нурдэулет Бауыржащлы

магистр, преподаватель, высшая школа информационных технологий, университет имени Жангир хана Казахстан, г. Уральск E-mail: nurikutegenov7@gmail.com

ARTIFICIAL INTELLIGENCE TODAY

Master, teacher, higher school of information technology, Zhangir khan university Kazakhstan, Uralsk

В данной статье описана история разработок в сфере искусственного интеллекта, определён курс развития науки искусственного интеллекта, рассматривается обзор состояния различных исследований и разработок систем на текущее время, перечислены основные направления научно-исследовательских работ в сфере искусственного интеллекта, представлены возможности применения ИИ в различных отраслях человеческой деятельности.

This article describes the history of developments in the field of artificial intelligence, determines the course of development of the science of artificial intelligence, reviews the status of various research and development systems at the current time, lists the main areas of research work in the field of artificial intelligence, presents the possibilities of using AI in various fields of human activities.

Ключевые слова: Искусственный интеллект, технологии, нейронные системы, машинное обучение.

Keywords: Artificial intelligence, technology, neural systems, machine learning.

Человеческий разум — это сложная и комплексная система. Вопрос изучения и воспроизведения этого механизма стоял остро всегда. И в сегодняшнее время — это очень актуально. Формирование современных компьютерных технологий создало большое количество дел, которые связаны с:

• человеческой речью, возможностью научиться распознавать и синтезировать её;

• разработками механизмов технического зрения, которые будут иметь возможность распознавать лица людей;

• возможностью научить автомобили ездить самостоятельно без участия человека и т.д.

Такие системы, которые демонстрируют и следуют поведению человека, зовутся искусственным интеллектом, или сокращенно «ИИ». Исследование искусственного интеллекта — важное направление в современной науке.

Что такое искусственный интеллект? Одно из определений гласит, что искусственный интеллект -это технология, которая содержит комплекс средств, способствующих компьютеру, основываясь на изученных данных, выдавать ответы на вопросы, а также на базе этого делать выводы, т.е. изучать ту

информацию, которая в него не добавлялась создателями этого самого компьютера. Раздел науки под названием «искусственный интеллект» является частью комплекса компьютерных наук, а разрабатываемые на ее базе технологии относятся к 1Т-сфере.

Соответственно, под системой искусственного интеллекта рассматривают различные устройства или комплекс устройств, которые применяют в своей работе технологии ИИ. В то же время во многих случаях до получения результата сам алгоритм решения проблемы неизвестен.

Современный искусственный интеллект ищет информацию в Интернете, может отпределять определенные болезни и т.д. Участие подобного искусственного интеллекта позволяет улучшить жизнь и сделать ее более комфортной, а работу — гораздо эффективной. Подобного рода ИИ со временем станут гораздо развитыми, в настоящее время некоторые виды работ искусственный интеллект выполняет лучше, чем человек. Необходимо заметить, что в ходе разработки систем ИИ осуществляется большая подготовительная работа. Машину необходимо научить таким вещам, как поиск информации, обна-

Библиографическое описание: Утегенов Н.Б. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ НА СЕГОДНЯШНИЙ ДЕНЬ // Universum: технические науки : электрон. научн. журн. 2022. 7(100). URL: https://7universum.com/ru/tech/archive/item/14087

ружение и распознавание речи, обработка человеческого языка, опознование лиц и т.д. Сейчас искусственный интеллект не может делать множество дел одновременно, но эти технологии активно прогрессируют, и со временем ИИ сможет стать достаточно продвинутым, чтобы сравниться по уровню развития с человеком.

Для обеспечения искусственного интеллекта ученые начали изучать вопрос представления знаний, — это дало возможность разработать экспертные системы (ЭС, системы, помогающие принять решение, извлекая знания из базы данных); немаловажной целью стала разработка методов самообучения машин; а также эксперименты с копированием работы нервной системы человека. Это позволило создать искусственные нейронные системы (ИНС). В результате, в базе всех исследований и разработок по искусственному интеллекту находится принцип имитации процессов человеческого разума с помощью компьютера. Искусственный интеллект, как дисциплина относится к когнитивным наукам, т.е. к тем учениям, которые связаны с усвоением знаний.

Ожидается, что искусственный интеллект, который будет сравним с человеческим, получит широкую сферу применения и в корне изменит жизнь людей.

Есть три этапа развития ИИ:

1. В 1950-х годах впервые началась работа по искусственному интеллекту. Состояла она из решения двух конкретных задач. Первая — разработка программы для шахмат. В 1954 г. корпорация REND начала создавать шахматную программу при содействии Алана Тьюринга и Клода Шеннона. В 1957 г. программа была завершена. В базе ее работы находилась эвристика, т.е. выбор решения при отсутствии теоретических оснований). А вторая -разработка программы машинного перевода с одного языка на другой. Первые эксперименты по переводу с английского и китайских языков проводились в 1954-1957 гг. в СССР под руководством Л.Н. Королёва. В 1954 г. корпорация «IBM», с профессором Л. Достерта во главе, перевела с русского на английский язык около шестидесяти фраз на базе словаря, который состоял из двухсот пятидесяти пар слов и шести правил грамматики. Перспективные, на первый взгляд, результаты не оправдали ожидания, ибо задача оказалась намного сложнее. Необходимо было обучить машину не только правилам, но и исключениям, а мощности вычислительных машин того времени никак не способствовали осуществить данную цель. Несмотря на это, эксперименты дали большой импульс развитию математической лингвистики.

Еще одной сферой, появившаяся на тот момент, и со временем получившая бурный рост, является машинное доказательство теорем. В 1960 г. была разработана компьютерная программа — «Универсальный решатель задач» (GPS), с помощью которой можно автоматически доказывать теоремы, а также можно искать решения алгебраических задач.

В числе работ по искусственному интеллекту первого этапа необходимо подчеркнуть разработку

в 1963 г. Джоном Маккарти самого первого языка для программирования задач искусственному интеллекту — «ЛИСП». Создание языка «ЛИСП» привело к функциональному программированию. Необходимо подметить, что первые языки высокого уровня той поры являлись лишь процедурными.

2. Ко второму этапу развития искусственного интеллекта, которая началась в конце 60-х годов, относятся разработки логического программирования и создание экспертных систем (ЭС). Хоть это тоже были лишь ростки ИИ, однако в экспертных системах эксперт по управлению знаниями, опрашивая специалистов, наполнял базу знаний ручным способом, а машина в свою очередь уже имела возможность делать логический вывод в границах тех знаний, которые человек в нее заложил. Другими словами, не существовало самообучения. К тому же, появлялись проблемы с специалистами, которые не желали делиться своими знаниями, когда осознавали, что развитие экспертных систем ослабит их профессиональный статус, потому как любой начинающий специалист благодаря экспертным системам сможет достигнуть высоких показателей. Необходимо подчеркнуть, что разработка экспертных систем вызвала крупный интерес относительно вопроса представления знаний в компьютерных системах. При этом начали создаваться фреймы, семантические сети, продукционные системы и их комбинации.

Тем временем разработки систем машинного перевода шли и значительно продвинулись. Особенно актуальны стали машинные переводы во времена холодной войны, когда в США попадало большой объем информации на русском языке, однако не было достаточно людей на своевременный перевод.

Со вторым этапом к тому же связана разработка более совершенные приложения для шашек и шахмат. Был первый чемпионат по игре машин в шахматы друг с другом. Важно подчеркнуть достижение в 1974 г. советской шахматной программы «Ка-исса». Победа «Каиссы» стало новостью мирового уровня, ибо эксперты предсказывали американской машине первое место. М.В. Донской говорил: «Ка-исса была на уровне второго шахматного разряда, т.е. до уровня программ, которые должны побеждать гроссмейстеров, она была еще далеко».

Устройства первого и второго этапа назвали «символьный ИИ». В основном они были созданы на базе формальной логики, которая отлично подходит для задач, типа логических игр, но с трудом можно представить системы реального мира.

3. На сегодняшний день интерес к искусственному интеллекту снова оживает — это уже третий этап и отличается от первых двух как размахом, так и объемом, ибо на текущий момент для решения проблемы искусственного интеллекта есть как технические средства, так и в значительной степени продвинувшиеся разработки в данной области. Началом третьего этапа считается победа машины «Дип Блю» над чемпионом мира по шахматам Г. Каспаровым. Для текущего этапа свойственно очень резкое развитие искусственных нейронных сетей

(ИНС). Это сети, которые имитируют работу биологических нейронов. Простейшая искусственная нейронная сеть имеет три слоя нейронов. Первый слой получает сигналы из окружающего мира, внутренний обрабатывает эти сигналы, ну а выходной слой формирует и выдает результат. Однако внутренних или скрытых слоев может быть много.

Разрабатываются на основе современных технологий в свою очередь и системы, которые создавались в первый этап развития искусственного интеллекта, -системы машинного перевода, которые сейчас показывают достойный результат, экспертные системы и т.д. Например, в 2006 г. компания Google* выпустила свою систему машинного перевода «Google* Переводчик». База из триллиона слов, которые были в разбросанных частях интернет-контента. Эта база стала «обучающим набором», с помощью которого система рассчитывала, какое слово последует за тем или другим словом. Перевод Google* системы довольно точен, однако и неидеален. В 2012 г. она имела базу на 60 языков, и способна даже воспринимать голосовой ввод на 14 языках.

Что же происходит в сфере искусственного интеллекта сейчас?

1. Большое число научных работ по искусственному интеллекту посвящены компьютерному зрению. Это направление связано с формированием глубинного обучения. Впервые машины научились выполнять отдельные визуальные задачи лучше, чем люди. К примеру: точность назначения лечения раковых заболеваний, которая демонстрирует компьютер IBM Watson равна 90%, т.е. на 40% точнее качества диагностики, которую проводят врачи.

2. Одной из главной концепции в сфере искусственного интеллекта считается «машинное обучение», или по-другому «статистическое обучение». Базу этой технологии заложил Артур Самюэль в конце 50-х годов прошлого века, когда предложил обучать машины, без применения конкретно запрограммированных алгоритмов. Другими словами, программа учится, во процессе изменении, которые в ней происходят, и благодаря которым компьютер сможет выполнить определенную задачу во следующий раз лучше.

Машинное обучение — это технология, когда сначала формируется база обучающих примеров, по которой затем машина учится и может правильно определять, и систематизировать поступающую информацию. Другими словами, машинное обучение -это сочетание алгоритмов и методов, которые позволяют научить машины выводить решения на базе имеющейся информации. В результате этого осуществляется самообучение программы. Благодаря этой технологии на базе огромного числа фотографий машина умеет распознавать лица, при этом она делает это корректнее, чем человек. Действительно большой прорыв в обучении компьютеров произошел в 2016 году, когда программа компании Google* «AlphaGo» победила в игру го абсолютного чемпиона Ли Седоля. Программа одержала победу в го благодаря технологии «глубинного машинного обучения» или «deep learning». Эта технология в настоящий момент является самым актуальным

направлением эволюции ИИ. Обычно термин «deep learning» относится к искусственным нейронным сетям, где применяются более одного скрытого слоя, таким образом термин «глубинный» означает еще и многослойную архитектуру нейронной сети. Исключительной чертой глубинного обучения является то, что компьютер сам ищет особенности чего-либо, по которым проще всего разделить один класс объектов от другого, и также организовывает их по иерархии: из более сложные состоят из более простых. В результате машина обучается на примерах и по собственному опыту. Программа «AlphaGo» просмотрела и проанализировала 29 миллионов ходов в 160 тысячах партий профессионалов, после чего две копии «AlphaGo» начали играть друг с другом, включая сыгранные партии в базу обучающей выборки. Сыграв миллионы партий, «AlphaGo» обучилась рассчитывать самые выгодные позиции камней на доске для победы.

Широкое распространение смартфонов привело к большому числу применений речевых помощников, где используются элементы искусственного интеллекта. Подобного рода приложения помогают человеку в его обыденной жизни. В их группе такие известные программы, как «Siri» компании Apple, «Cortana» компании Microsoft, «Google* Now» компании Google*, «Echo» компании Amazon, «Алиса» компании Яндекс и тд., Количество людей, использующих этих помощников уже больше десятка миллионов. Кроме того, эти программы используются и на планшетах, ноутбуках и ПК. Через некоторое время эти приложения станут более интеллектуальнее.

Важным направлением в сфере искусственного интеллекта является раскрытие строения человеческого мозга. Исследование мозга — это так называемое проектирование наоборот, когда в первую очередь необходимо исследовать до всех мелочей мозг человека, и лишь потом представить, как работает мозг, в виде аппаратного и программного обеспечения. В результате исследователи желают разработать машину, обладающий интеллектом человеческого уровня. Сейчас существуют несколько крупных проектов наметивших достигнуть этого результата. Имитации мозга человека посвящен международный проект «Human Brain Project». Руководит этим проектом команда швейцарской Федеральной политехнической школы в котором принимают участие более чем 100 научных групп. Задачей проекта является объединить всю информацию о человеческом мозге, в цельный прототип машинного мозга. Проект предполагается закончить в 2023 г.

Следующим большим направлением, в котором планируется применить технологии искусственного интеллекта, является развитие проекта «Геном человека». В этом направлении предполагается раскрыть ДНК-последовательности всех существ Земли. К примеру, Amazon Third Way ведет проект под названием «Банк кодов Земли».

Почему вокруг искусственного интеллекта такие большие ожидания?

1. Тянувшаяся более 50 лет компьютеризация почти всех сфер деятельности человека привела к некоему тупику, которая относится к обработке всей той информации, что регулярно появляется в нашей жизни. По этой причине сейчас существуют банки данных, оперативный анализ данных, облачные хранилища, Большие данные. Все мировые лидеры в сфере информационных технологии ведут гонку в разработке процессоров специального назначения и суперкомпьютеров для обучения искусственных нейронных сетей. В совершенстве их самообучение должно занимать очень незначительное время, однако на данный момент это занимает недели.

2. Эпоха компьютеров, как движущей силы нашего времени, заканчивается. В настоящее время все ожидания строятся вокруг искусственного интеллекта и робототехники. Здесь уже установились огромные по размерам сегменты: промышленная робототехника, медицинская робототехника, военная робототехника, транспортные средства на беспилотном управлении и т.д. Но без искусственного интеллекта полностью функциональное развитие этих сегментов не представляется возможным. Другими словами, робототехника в текущее время сильно подталкивает развивать область искусственного интеллекта. Так, например, развитие транспортных средств на беспилотном управлении — это актуальный бизнес в миллиарды долларов, в связи с чем все автомобильные компании и не только вкладывают большие деньги в развитие таких систем.

3. Предполагается, что успехи в разработке ИИ принесут огромную прибыль тем странам, которые развивают исследования в этой сфере. Именно по этой причине множество стран определили исследования искусственного интеллекта в свои главные задачи.

4. Предполагается, что развитие искусственного интеллекта повлечет за собой к развитию процессов управления, к росту отношений производителей и потребителей, повышению эффективности всех бизнес-процессов, развитию планирования.

Заключение. Раньше предполагалось, будто одна из главных вопросов в сфере искусственного интеллекта — реальность или нереальность моделирования разума человека, иначе, сможет ли ИИ получить сознание. Сейчас эта задача уже не кажется гипотетический и скорее всего имеет большую ценность для предсказания ближайшего будущего мира. История развития искусственного интеллекта, растянувшаяся более чем на полвека, доказывает людям, что не существует значительных и серьезных помех для достижения этого факта. По всей видимости, искусственный интеллект возможно создать и не на основе искусственных нейросетей. Однако именно нейросети являются самым очевидным и доступным решением, созданным природой.

*(По требованию Роскомнадзора информируем, что иностранное лицо, владеющее информационными ресурсами Google является нарушителем законодательства Российской Федерации — прим. ред).

1. Азимбаев, Д.Ж. Искусственный интеллект и машинное обучение / Д.Ж. Азимбаев, И.А. Куан, И.В. Гулида // Вестник современных исследований. — 2019. — № 1.3 (28). — С. 6-7. — https://elibrary.ru/item.asp?id=36885190

2. Бабич, Н. А Анализ эффективности применения интерференционной нейронной сети для решения задачи распознавания образов / Н.А. Бабич // Вестник современных исследований. — 2019. — № 2.3 (29). — С. 5-8. -https://elibrary.ru/item.asp?id=37037590

3. Байнов, А.М. Роль и место робототехники в современном мире / А.М. Байнов, Р.С. Зарипова // Наука и образование: новое время. — 2019. — № 1 (30). — С. 93-95. — https://elibrary.ru/item.asp?id=37106314

4. Баррат, Д. Последнее изобретение человечества: искусственный интеллект и конец эры Homo sapiens / Джеймс Баррат; [пер. с англ. Наталья Лисова]. — 2-е издание. — Москва: АНФ, 2019. — 396 с. 6. Васильева Д. Тенденции в развитии искусственного интеллекта. — Режим доступа: http://robotoved.ru/iskusstvennii_intellket_development/

5. Блануца, В.И. Перспективы экономикогеографических исследований в области искусственного интеллекта /

B.И. Блануца // Известия Саратовского университета. Новая серия. Серия: Науки о Земле. — 2019. — Т. 19, № 1. —

C. 4-11. — https://elibrary.ru/item.asp?id=37136540

6. Вознюк, П.А.Влияние искусственного интеллекта на мировую экономику / П.А. Вознюк // Тенденции развития науки и образования: рецензируемый научный журнал. — 2019. — 2019 г. №48, Часть 3. — С. 14-17. -http://ljournal.ru/wpcontent/uploads/2019/05/lj03.2019_p3.pdf

7. Головенко, А.П. Использование искусственного интеллекта в инновационных системах / А.П. Головенко // Вестник современных исследований. — 2018. — № 12.5 (27). — С. 67-68. -https://elibrary.ru/item.asp?id=36708991

8. Доэрти, П. Человек + машина. Новые принципы работы в эпоху искусственного интеллекта / П. Доэрти, Дж. Уилсон ; пер. с англ. О. Сивченко, Н. Яцюк. — М. : Манн, Иванов и Фербер, 2019. — 298 с. — 978-5-00146-159-3

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *