Какие способности дает машинам искусственный интеллект тест

Восемь вопросов к искусственному интеллекту

Словосочетания «нейронные сети», «машинное обучение», «искусственный интеллект» звучат все чаще и чаще. Их произносят Владимир Путин и Максим Кац. Профессию специалиста по анализу данных называют одной из самых востребованных сейчас и в ближайшем будущем. Но вокруг темы искусственного интеллекта существует большое количество мифов и заблуждений. Ответы на наиболее популярные вопросы об искусственном интеллекте (ИИ) VTimes дает Дмитрий Ветров, профессор-исследователь НИУ ВШЭ.

Грозит ли нам восстание машин под предводительством ИИ?

Это одно из самых больших и вредных заблуждений. Технологии ИИ предназначены для решения конкретных интеллектуальных задач. Для каждой задачи используется отдельная модель. Стратегическая цель — создание так называемого сильного ИИ: универсальной обучаемой системы, способной постоянно учиться решать все новые и новые разнообразные типы задач, но не забывающей, как решать старые задачи.

Такая система будет в состоянии пройти тест Тьюринга, то есть при общении с ней человек не сможет отличить, говорит он с компьютером или с человеком. (Пока это за пределами технологических возможностей.) Можно предположить, что с внедрением квантовых компьютеров удастся подступиться к созданию сильного ИИ. Но даже когда он будет создан, это будет всего лишь помощник (или, если угодно, раб) человека, не способный к самостоятельному целеполаганию. Для последнего необходим не искусственный интеллект, а искусственное сознание, когда система осознает себя как мыслящее существо и у нее могут появиться стремления к самосохранению и самовоспроизводству. Ничего даже близко похожего на искусственное сознание мы не наблюдаем, и вряд ли нам это грозит в обозримой перспективе. Чтобы понять, почему это так, необходимо разобраться, что же на самом деле происходит при обучении компьютера.

Что такое технологии ИИ?

С момента появления первых компьютеров они рассматривались как программируемые вычислительные устройства, способные выполнять миллиарды простых арифметических и логических операций по заранее заданному алгоритму. Это позволило решить большое количество важных задач, в первую очередь связанных с расчетами в сложных математических моделях различных процессов, которые описывались дифференциальными уравнениями.

По сути, компьютер использовался для задач, алгоритм решения которых был известен человеку. И только в последние годы человечество стало осознавать, что компьютер способен на много большее — он может находить способ решать задачи, для которых алгоритма решения нет или он не известен человеку. Это стало возможным благодаря развитию технологий машинного обучения, которые сейчас все чаще называют искусственным интеллектом

Несколько упрощая, процесс обучения выглядит следующим образом. Имеется большое число однотипных задач, в которых известно условие и известен правильный ответ или один из возможных ответов. Примером может быть задача машинного перевода, в которой условием является фраза на одном языке, а ответом — ее перевод на другой язык. Модель машинного обучения, например глубинная нейронная сеть, работает по принципу черного ящика, который принимает на вход условие задачи и выдает сигнал в пространстве ответов. Применительно к машинному переводу это будет произвольный текст на втором языке. У черного ящика есть дополнительные параметры. Их значения определяют, как входной сигнал будет преобразовываться в выходной. Процесс обучения черного ящика заключается в поиске таких значений параметров, при котором для заданных входов он выдает сигнал, близкий к желаемым выходам. Настроив параметры так, что для всех задач с известным ответом черный ящик выдает желаемые ответы или близкие к ним, можно рассчитывать, что и для новых задач того же типа черный ящик будет выдавать разумные ответы. Разумеется, в общем случае гарантировать этого нельзя, но для многих популярных моделей машинного обучения действительно удается настроить модель так, что она успешно справляется с решением новых задач того же типа, ответов на которые модель не видела в ходе своего обучения. Из этого примера становится понятно, что существует несколько принципиальных ограничений для технологии машинного обучения. Во-первых, черный ящик должен быть достаточно гибким, что напрямую зависит от числа настраиваемых в ходе обучения параметров. Современные модели включают в себя десятки миллионов параметров, сложным образом определяющих, как входы преобразуются в выходы. Во-вторых, итоговое качество напрямую зависит от числа задач, которые демонстрировались модели в ходе обучения. Поэтому наилучшие результаты ИИ демонстрирует в тех областях, в которых удается накопить огромные объемы данных с миллиардами однотипных задач. В-третьих, ответы задачи должны объективно зависеть от условий. Методы машинного обучения бессмысленно применять, если между входами и выходами нет никакой семантической связи.

В каких сферах ИИ применяется уже сейчас?

Одним из удивительных результатов последних лет стало осознание того, что модели ИИ можно использовать для очень широкого спектра задач, для которых еще 20 лет назад считалось, что они не могут быть решены с помощью компьютера и способность к их решению является атрибутом высшей нервной деятельности. Например, ИИ способен рисовать картины, поддерживать беседу, управлять автомобилем и многое другое. Уже сейчас ИИ активно применяется в системах распознавания печатных и рукописных текстов, распознавании и синтезе речи, интернет-поиске, рекомендательных системах. Из последних достижений можно отметить решение задачи прогноза третичной структуры белков, которая являлась одной из сложнейших и важнейших задач в биологии и которая была решена специалистами компании DeepMind осенью 2020 г.

Не начнется ли деградация людей, если мы научим компьютер думать за нас?

Людям всегда будет, о чем задуматься.

Технологии ИИ — это всего лишь инструменты, заточенные под решение конкретных (пусть и весьма сложных) задач

Подобно тому, как люди физически не ослабли после появления станков и машин, способных заменить человека в физическом труде, появление технологий, способных решить за нас часть когнитивных задач, не приведет к тому, что люди станут меньше работать головой. Просто они начнут делать это для удовольствия, а не для того, что прокормить себя. Наконец, вопросы этики и морали, смысла жизни точно останутся прерогативой человека.

Каковы социальные последствия массового внедрения технологий ИИ?

Не будет преувеличением сказать, что повсеместное внедрение технологий ИИ приведет к серьезным изменениям в стиле и уровне жизни людей. Такие же драматические изменения происходили при повсеместном внедрении паровой машины, развитии электроэнергетики, распространении автомобилей. Человечество перейдет от массового производства одинаковых товаров и услуг к персонифицированным сервисам, многие отрасли народного хозяйства, которые невозможно сейчас представить без людей, будут полностью или частично автоматизированы. В течение пары десятилетий уйдут в прошлое профессии оператора колл-центра, водителя, синхронного переводчика, пилота самолета и др. У большинства людей появятся виртуальные или роботизированные персональные помощники, которые будут помогать в домашнем хозяйстве, следить за состоянием здоровья, планировать досуг. Конечно, часть нынешних профессий отомрет, но бояться этого не надо. Человечество многократно проходило через эпохи технологических трансформаций. На смену отмирающим профессиям придут другие, в которых люди смогут лучше себя реализовать, например киберспорт, стриминг, видеоблогерство и др.

5 технологий искусственного интеллекта, которые изменят бизнес в ближайшем будущем

Технологии искусственного интеллекта постепенно выходят на плато продуктивности. Среди первых ласточек — сервисы распознавания речи, на базе которых работают чат-боты. Также интерес у пользователей вызывают технологии автоматизированного машинного обучения и бизнес-приложения со встроенными механизмами ИИ. Растет спрос на платформы искусственного интеллекта, предоставляемые в виде услуги, и соответствующие облачные сервисы. Но некоторые применения, например — в автономных транспортных средствах, будут реализованы лишь лет через 10.

Искусственный интеллект идет в массы

Последнее исследование Gartner о развитии искусственного интеллекта свидетельствует о большом разнообразии применений ИИ на предприятиях. И это логично, учитывая, что по данным опросов, проводимых этой компанией, в 2019 г. доля организаций, внедривших ИИ, выросла по сравнению с прошлым годом с 4% до 14%. И, несмотря на относительную молодость рынка ИИ в целом, аналитики Gartner поместили сразу две технологии в секцию «плато продуктивности» — «распознавание речи» и «ускорители ИИ на основе графических процессоров» (последние подходят для создания систем искусственного интеллекта гораздо лучше, чем процессоры «общего назначения»).

Среди других применений ИИ, которым прочат скорый успех, — средства диалогового ИИ, чему способствует успех виртуальных ассистентов наподобие Amazon Alexa, Google Assistant и т.д. Появляется интерес к новым технологиям, таким как дополненный интеллект (augmented intelligence), «периферийный» ИИ (edge AI), популярность которого растет вместе с популярностью самих периферийных вычислений, автоматизированная разметка данных и «объяснимый» ИИ (система искусственного интеллекта, решения которой люди могут объяснить). А вот автономные транспортные средства, которые, как считаю многие, вот-вот появятся на дорогах, по мнению Gartner, «выедут» на плато продуктивности больше, чем через 10 лет.

«Голубые фишки» ИИ

В целом на «кривой хайпа» искусственного интеллекта появилось немало новых технологий, и существенная доля из них отмечена голубыми кружками, свидетельствующими о том, что в Gartner надеются на их скорый выход на плато продуктивности. Причем многие из них получили прогноз «от двух до пяти лет до внедрения», еще только взбираясь на пик надежд.

Однако, как одновременно отмечают аналитики, далеко не все из новых технологий имеют понятное применение и способны принести пользу бизнесу. И надо стараться реалистично подходить к прогнозам и анализу перспектив внедрения.

Так или иначе, компаниям, которые стремятся идти в ногу со временем, аналитики советуют как минимум готовить финансово-экономическое обоснование для внедрения ИИ. А тем, кто уже провел первичные внедрения, стоит задумываться о масштабировании проектов.

Кривая Gartner для искусственного интеллекта

Технологии искусственного интеллекта, на которые стоит обратить особое внимание

Среди всех ИИ-технологий аналитики Gartner особо выделили пять, способных наиболее серьезно изменить бизнес-процессы уже в обозримом будущем, и советуют ИТ-директорам внимательно следить за их развитием.

Дополненный интеллект

К системам дополненного интеллекта (augmented intelligence) аналитики относят средства автоматизации, помогающие повышать продуктивность умственного труда человека. Они помогают организовать «партнерство» между людьми и ИИ, в котором первые играют главенствующую роль.

Использование искусственного интеллекта в этом качестве помогает уменьшить объем рутинной работы и, соответственно, количество ошибок в ходе ее выполнения. А участие человека, в свою очередь, снизит риск, связанный с автоматизированным принятием решений — за счет того, что человек сможет решить вопросы, ответам на которые ИИ еще не обучен.

Чат-боты

Чат-боты, «лицо» искусственного интеллекта, с которым мы сталкиваемся почти ежедневно, также меняют процессы, касающиеся взаимодействия с клиентами. Например, в компании Kia они еженедельно помогают решать вопросы 115 тысячам автовладельцев, а в немецкой сети дискаунтеров Lidl бот по имени Margot дает покупателям советы по выбору вин и закусок.

Чат-боты могут быть текстовыми и голосовыми, на стандартные вопросы они отвечают по сценарию, составленному заранее с учетом опыта, накопленного живыми операторами. Они могут применяться для решения задач отдела кадров или службы технической поддержки, помогать адаптации сотрудников на новом месте и т. д. Но в наибольшей мере эти ИИ-решения изменили процесс обслуживания клиентов. Если раньше пользователю обычно приходилось изучать интерфейс взаимодействия с системой, то теперь чат-бот «изучает» пользователя, «угадывая» его намерения и подсказывая дальнейшие действия.

Машинное обучение

Проблемы российского телекома: не хватает свободных частот и спутников связи

Среди задач, которые позволяет решать машинное обучение, — персонализация обслуживания клиентов, динамическое ценообразование, диагностика заболеваний, противодействие «отмыванию» денег и многое другое. Принцип действия средств машинного обучения — обнаружение закономерностей, присутствующих в данных, с применением математических моделей. Машинное обучение используется все шире, чему способствуют стремительные темпы роста данных в организациях и активное развитие вычислительных инфраструктур.

Машинное обучение помогает оптимизировать процессы и находить новые решения задач бизнеса в самых разных отраслях. Например, в American Express алгоритмы машинного обучения и аналитики распознают попытки мошенничества почти в реальном времени, благодаря чему компания экономит миллионы, предотвращая потери. А в Volvo аналитические системы прогнозируют вероятные отказы и необходимость ремонтно-технического обслуживания различных узлов автомобилей, способствуя повышению их безопасности.

Система управления ИИ

По убеждению экспертов, пренебрегать созданием системы управления ИИ (AI governance) на предприятиях нельзя. Это необходимо, в том числе, для понимания и контроля потенциальных рисков, связанных с регулированием и возможностью ущерба для репутации. Как поясняют в Gartner, система управления ИИ строится на специально разработанных политиках предотвращения системных ошибок («предвзятости») ИИ, дискриминации пользователей или групп пользователей по тем или иным признакам и других возможных негативных последствий использования искусственного интеллекта.

Дмитрий Кузеванов, UserGate: Умолчать об утечках данных теперь не получится и руководители начинают это понимать

Безопасность

При разработке системы управления ИИ специалисты рекомендуют руководителям по аналитике и ИТ-директорам уделить внимание трем областям: доверие, прозрачность и принципы этнокультурного многообразия (diversity). Необходимость обеспечить возможность доверять источникам данных и результатам работы систем ИИ — один из краеугольных камней их успешного внедрения, а выработка требований прозрачности к источникам данных и алгоритмам позволит уменьшить риски. Забота о соблюдении принципов многообразия в данных и алгоритмах способствует этичности и точности результатов работы решений на базе ИИ.

Интеллектуальные приложения

Еще несколько лет единственной возможностью внедрить средства искусственного интеллекта была самостоятельная разработка ИИ-систем. Однако сегодня большинство организаций предпочитают не разрабатывать такие решения и даже не приобретать «отдельно стоящие» ИИ-системы, а получать средства ИИ в составе корпоративных приложений.

Исходно наиболее «интеллектуальными» были средства аналитики со встроенными технологиями ИИ. Однако в последнее время поставщики самых разных корпоративных приложений — систем ERP, CRM, кадрового менеджмента и офисных пакетов встраивают в них средства ИИ и начинают создавать платформы ИИ. Так что аналитики Gartner советуют ИТ-директорам требовать от поставщиков ПО включения ИИ-средств в планы развития своих продуктов, в том числе инструментами расширенной аналитики и средствами, оптимизирующими процессы взаимодействия с пользователем.

На что способен искусственный интеллект сегодня и каков его потенциал

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.

• 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.

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.

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.

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.

Что такое искусственный интеллект?

Искусственный интеллект (ИИ) — это моделирование процессов человеческого мозга компьютерными системами. ИИ включает в себя экспертные системы, обработку естественного языка, распознавание речи и машинное зрение.

Как работает искусственный интеллект?

• Процессы обучения. Сбор данных и создание алгоритмов (правил) для превращения данных в полезную информацию. Алгоритмы предоставляют машинам пошаговые инструкции по выполнению конкретной задачи;
• Процессы рассуждения. Выбор правильного алгоритма для достижения желаемого результата;
• Процессы самокоррекции. Постоянная тонкая настройка алгоритмов и обеспечение максимально точных результатов.

Почему искусственный интеллект важен?

ИИ может дать организации представление о её деятельности, о которой она не знала ранее. ИИ важен также потому, что в некоторых случаях ИИ может выполнять задачи лучше, чем люди. В частности, когда речь идет о повторяющихся, ориентированных на деталях задачах, например, анализ большого количества юридических документов для правильного заполнения соответствующих полей, инструменты ИИ часто выполняют работу быстро и с относительно небольшим количеством ошибок.

Это привело к стремительному росту производительности и открыло двери для совершенно новых возможностей некоторых крупных предприятий.

До роста популярности ИИ было трудно представить использование компьютерного ПО для подключения пассажиров к такси, но сегодня Uber стала одной из крупнейших компаний в мире, занимаясь именно этим. Uber использует сложные алгоритмы машинного обучения (Machine Learning, ML), чтобы предсказать, когда людям понадобится такси в определенных районах. Это позволяет заранее выводить водителей в нужный район до того, как они понадобятся.

Кроме того, Google стал одним из крупнейших игроков на рынке онлайн-сервисов, используя машинное обучение для анализа того, как люди используют сервисы компании, а затем улучшая их. Ещё в 2017 году генеральный директор компании Сундар Пичаи заявил, что Google будет работать как компания, «прежде всего занимающаяся искусственным интеллектом».

Сегодня крупнейшие и наиболее успешные предприятия используют ИИ для улучшения своей деятельности и получения преимущества перед конкурентами.

Преимущества и недостатки искусственного интеллекта

Нейросети и технологии глубокого обучения быстро развиваются в первую очередь потому, что ИИ обрабатывает большие объемы данных намного быстрее и делает прогнозы более точными, чем человек.

Основным недостатком использования ИИ является дороговизна обработки больших объемов данных, необходимых для программирования искусственного интеллекта.

Преимущества

• Хорошо справляется с работой, требующей внимания к деталям;
• Сокращает время для решения задач с большим объемом данных;
• Обеспечивает стабильные результаты;
• Виртуальные агенты на базе ИИ всегда доступны.

• Дорогостоящая технология;
• Требует глубоких технических знаний;
• Ограниченное количество квалифицированных специалистов для создания инструментов ИИ;
• Знает только то, что изучал в процессе обучения;
• Отсутствие способности обобщать задачи.

Сильный и слабый ИИ

ИИ можно разделить на слабый и сильный.

• Слабый (ограниченный) ИИ представляет собой искусственный интеллект, разработанный и обученный для выполнения конкретной задачи. Промышленные роботы и виртуальные ассистенты (например, Siri и Cortana) используют слабый ИИ.
• Сильный (общий) ИИ представляет собой искусственный интеллект, который может воспроизвести когнитивные способности человеческого мозга. При решении незнакомой задачей сильный ИИ может использовать нечеткую логику для применения знаний из одной области к другой и автономного поиска решения задачи. Сильный ИИ должен пройти как тест Тьюринга, так и тест китайской комнаты, предназначенные для проверки «мышления» машин.

4 типа искусственного интеллекта

Аренд Хинтце, доцент интегративной биологии, информатики и инженерии в Университете штата Мичиган, объяснил в своей статье , что ИИ можно разделить на 4 типа:

Реактивные машины. Эти системы ИИ не имеют памяти и зависят от конкретной задачи. Примером может служить Deep Blue, шахматная программа IBM, обыгравшая Гарри Каспарова в 1990-х годах.

Deep Blue может определять фигуры на шахматной доске и делать прогнозы, но поскольку у неё нет памяти, она не может использовать прошлый опыт для обоснования будущих решений.

• Подходит для простых задач классификации и распознавания образов;
• Подходит для сценариев, в которых известны все параметры: может превзойти людей, потому что он может выполнять вычисления намного быстрее;
• Неспособность работать со сценариями, включающими несовершенную информацию или требующими исторического понимания.

• Может решать сложные задачи классификации;
• Использует исторические данные для прогнозирования;
• Способна выполнять сложные задачи, например, управлять автономными автомобилями, но все еще не может справиться с посторонними значениями или негативными примерами;
• Существующие системы ИИ имеют этот тип, и некоторые эксперты говорят, что мы «уперлись в стену» в плане развития ИИ.

Способен понимать человеческие мотивы и рассуждения. Может предоставить личный опыт каждому на основе его мотивов и потребностей;
• Способен учиться на меньшем количестве примеров, потому что понимает мотивы и намерения;
• Считается следующей вехой в эволюции ИИ.

Как искусственный интеллект используется сегодня?

ИИ используется во множестве различных типов технологий. Вот 6 примеров:

Автоматизация. В сочетании с технологиями ИИ инструменты автоматизации могут расширить объем и типы выполняемых задач. Примером может служить роботизированная автоматизация процессов (RPA) – тип программного обеспечения, которое автоматизирует повторяющиеся задачи обработки данных на основе правил, традиционно выполняемые людьми.

В сочетании с машинным обучением и новыми инструментами ИИ RPA может автоматизировать большую часть работы предприятий, позволяя оперативным ботам RPA передавать информацию от ИИ и реагировать на изменения процессов.

Существует три типа алгоритмов машинного обучения:

• Машинное обучение с учителем. Наборы данных помечаются, чтобы можно было обнаружить закономерности и использовать их для обозначения новых наборов данных;
• Неконтролируемое обучение. Наборы данных не помечаются и отсортированы по сходству или различию;
• Обучение с подкреплением сигналами от среды взаимодействия. Наборы данных не маркируются, но после выполнения действия или нескольких действий система ИИ получает обратную связь.

Машинное зрение используется в ряде приложений от идентификации подписи до анализа медицинских изображений. Компьютерное зрение, ориентированное на машинную обработку изображений, часто отождествляют с машинным зрением.

Какие существуют приложения на основе искусственного интеллекта?

Искусственный интеллект проник в самые разные ниши. Вот 9 примеров.

ИИ в здравоохранении. Самые большие ставки делаются на улучшение результатов лечения пациентов и снижение затрат. Компании применяют машинное обучение, чтобы ставить более качественные и быстрые диагнозы, чем ставят люди.

Одной из самых известных технологий, применяемой в здравоохранении, является технология IBM Watson. Модель понимает естественный язык и может отвечать на заданные вопросы. Система анализирует данные пациентов и другие доступные источники данных, чтобы сформировать гипотезу, которую затем представляет с помощью схемы оценки достоверности.

Другие приложения ИИ включают использование виртуальных медицинских помощников и чат-ботов, которые помогают пациентам и клиентам в сфере здравоохранения находить медицинскую информацию, назначать приём к врачу, понимать процесс выставления счетов и выполнять другие административные процессы. Множество технологий ИИ также используется для прогнозирования, борьбы и более полного понимания пандемий, как это было с COVID-19.

ИИ в бизнесе. Алгоритмы машинного обучения интегрируются в платформы аналитики и CRM-системы, чтобы предоставлять информацию о том, как лучше обслуживать клиентов. Кроме того, чат-боты уже давно встроены в веб-сайты для мгновенного обслуживания клиентов. Автоматизация рабочих мест также стала предметом обсуждения среди ученых и ИТ-аналитиков.

ИИ в сфере образования. ИИ может автоматизировать выставление оценок, а также оценивать учеников и адаптироваться к их потребностям, помогая им работать в своем собственном темпе.

Виртуальные кураторы могут оказывать дополнительную поддержку учащимся, чтобы они не отставали от учебной программы. Возможно, технологии ИИ могут изменить подход к обучению, заменив некоторых учителей.

ИИ в финансовой сфере. ИИ в приложениях для личных финансов и подачи налоговых деклараций меняет работу финансовых учреждений. Подобные приложения собирают личные данные клиентов и предоставляют им финансовые консультации. Кроме того, на данный момент ИИ используется в процессе покупки недвижимости и выполняет большую часть торговли на Уолл-стрит.

ИИ в юриспруденции. Процесс отбора документов в юриспруденции часто непосилен для людей. Использование ИИ для автоматизации трудоемких процессов в юридической отрасли экономит время и улучшает обслуживание клиентов. Юридические фирмы используют машинное обучение для описания данных и прогнозирования результатов, компьютерное зрение – для классификации и извлечения информации из документов и обработку естественного языка – для интерпретации запросов на информацию.

ИИ в производстве. Промышленные роботы, которые когда-то были запрограммированы на выполнение отдельных задач и отделены от людей, все чаще функционируют как коботы: маленькие многозадачные роботы, которые сотрудничают с людьми и выполняют большое количество операций на складах, в заводских цехах и других рабочих местах.

ИИ в банковской сфере. Банки успешно используют чат-ботов для информирования клиентов об услугах и предложениях, а также для обработки транзакций, не требующих вмешательства человека. Банки также используют ИИ для улучшения процесса принятия решений по кредитам, а также для установления кредитных лимитов и выявления инвестиционных возможностей.

ИИ в сфере транспортного обслуживания. Помимо фундаментальной роли ИИ в управлении автономными транспортными средствами, технологии ИИ используются в сфере транспортного обслуживания для управления трафиком, прогнозирования задержек рейсов и повышения безопасности и эффективности морских перевозок.

Безопасность. Организации используют машинное обучение в SIEM-системах (Система управления событиями безопасности) и смежных областях для обнаружения аномалий и выявления подозрительной активности в сети. Анализируя данные и используя логику для выявления сходства с известным вредоносным кодом, ИИ может предупреждать о новых и возникающих атаках гораздо раньше, чем «живые» сотрудники. Развивающиеся технологии играют большую роль в борьбе с кибератаками.

Дополненный интеллект против искусственного интеллекта

Некоторые отраслевые эксперты считают, что термин «искусственный интеллект» слишком тесно связан с популярной культурой, и это привело к тому, что у широкой публики возникли невероятные ожидания относительно того, как ИИ изменит рабочее место и жизнь в целом.

• Дополненный интеллект. Некоторые исследователи и маркетологи надеются, что ярлык «дополненный интеллект», имеющий более нейтральный оттенок, поможет людям понять, что большинство разработок в сфере ИИ будут слабыми и просто улучшат продукты и услуги. Сюда можно отнести, например, автоматическое отображение важной информации в отчетах бизнес-аналитики или выделение важной информации в юридических документах.
• Искусственный интеллект. Истинный (общий) искусственный интеллект тесно связан с концепцией технологической сингулярности — будущего, управляемого искусственным сверхразумом, который намного превосходит способность человеческого мозга понять его или то, как он формирует нашу реальность.

Это остается в области научной фантастики, хотя некоторые разработчики работают над созданием такого ИИ. Многие эксперты считают, что квантовые вычисления могут сыграть важную роль в реализации общего ИИ.

Этическое использование искусственного интеллекта

Искусственный интеллект также вызывает споры в отношении этики его использования – к лучшему или к худшему, система ИИ запоминает то, что она уже изучила.

Алгоритмы машинного обучения, лежащие в основе многих самых передовых инструментов ИИ, умны настолько, насколько хороши их обучающие данные. Поскольку обучающие данные выбирает человек, то потенциальный сдвиг машинного обучения неизбежен и должен тщательно отслеживаться.

При использовании машинного обучения как части реальных производственных систем, нужно учитывать вопрос этики в процессах обучения ИИ и избегать предвзятости. Это особенно важно при использовании алгоритмов глубокого обучения (Deep Learning) и генеративно-состязательной сети (GAN).

Способность объяснить принятое решение — это большая проблема при использовании ИИ в отраслях, где действуют строгие нормативные требования. Например, финансовые учреждения в США должны объяснять своё решение о выдаче или отказе в кредите. Но когда решение об отказе принимается нейросетью, трудно объяснить его причины, потому что инструменты ИИ выявляют тонкие корреляции между тысячами переменных. Когда процесс принятия решений не может быть обоснован, программа ИИ называется «черный ящик».

Компоненты ответственного ИИ

Несмотря на потенциальные риски, в настоящее время существует несколько правил, регулирующих использование инструментов ИИ. Общий регламент ЕС по защите данных (GDPR) устанавливает строгие ограничения на то, как предприятия могут использовать данные пользователей, что препятствует обучению и функциональности многих приложений ИИ, ориентированных на потребителя.

Разработка законов для регулирования ИИ – непростая задача, отчасти потому, что ИИ включает в себя множество технологий, которые компании используют для разных целей, а также потому, что регулирование может осуществляться за счет прогресса и развития ИИ.

Быстрая эволюция технологий ИИ является еще одним препятствием для формирования механизма регулирования ИИ. Технологический прорыв может мгновенно сделать существующие законы устаревшими.

Например, законы, регулирующие конфиденциальность записанных разговоров, не распространяются на голосовые помощники (Alexa от Amazon и Siri от Apple). Они собирают, но не распространяют разговоры, за исключением технических специалистов компаний, которые используют записи разговоров с ассистентом для улучшения алгоритмов.

Кроме того, законы, которые правительства разрабатывают для регулирования ИИ, не мешают преступникам использовать эту технологию со злым умыслом.

Когнитивные вычисления и ИИ

Термины «искусственный интеллект» и «когнитивные вычисления» иногда используются как синонимы, но в целом, термин «искусственный интеллект» используется в отношении машин, которые заменяют человеческий интеллект, имитируя то, как мы изучаем, воспринимаем, обрабатываем и реагируем на информацию в реальном мире.

Термин «когнитивные вычисления» используется в отношении продуктов и услуг, которые имитируют и дополняют мыслительные процессы человека.

Какова история ИИ?

Представление о неодушевленных предметах, наделенных разумом, существует с древних времен. Греческий бог Гефест изображался в мифах как выковывающий из золота роботоподобных слуг. Инженеры в Древнем Египте строили статуи богов, оживляемых жрецами.

На протяжении веков мыслители от Аристотеля до испанского теолога 13-го века Рамона Луллия, Рене Декарта и Томаса Байеса использовали инструменты и логику своего времени для описания мыслительных процессов человека как символов, закладывая основу для концепций ИИ, таких как представление общедоступных знаний.

«Взлёты и падения» искусственного интеллекта с 1956 г. по настоящее время.

ИИ как услуга

Поскольку затраты на оборудование, программное обеспечение и персонал для обслуживания ИИ могут быть высокими, многие поставщики включают компоненты ИИ в свои стандартные предложения или предоставляют доступ к платформам искусственного интеллекта как услуги (AIaaS).

AIaaS — это облачная служба, предлагающая предприятиям возможности искусственного интеллекта и машинного обучения. AIaaS предоставляет готовые модели и платформы для обработки естественного языка, компьютерного зрения, распознавания речи, прогнозной аналитики и других возможностей машинного обучения.

AIaaS снижает затраты, повышает масштабируемость и позволяет предприятиям сосредоточиться на разработке инновационных решений. Примеры поставщиков AIaaS включают Google Cloud AI Platform, AWS AI, Microsoft Azure Machine Learning и IBM Watson Studio.

Ваша приватность умирает красиво, но мы можем спасти её. Присоединяйтесь к нам!