Искусственный интеллект — настоящее будущее

Искусственный интеллект — настоящее будущее

В 1948 году британский математик Алан Тьюринг, член неформальной группы кибернетиков «Ratio Club», впервые использовал термины «интеллектуальная машина» и «машинный интеллект». В годы Второй мировой войны он руководил засекреченной группой математиков-криптографов, которая взломала код знаменитой военной шифровальной немецкой машины «Энигма».

Десятилетия опыт научных ИИ позволил британскому математику выдвинуть гипотезу на уровне фантастики — «Могут ли машины думать?». В 1950 году в философском ежемесячнике «Mind» в статье «Вычислительные машины и разум» он окончательно сформулировал свой знаменитый эмпирический тест Тьюринга. Чтобы успешно пройти поставленный тест, компьютеру должно понравиться «играть», разыгрывая как комедии, так и самообманы. В статье Тьюринг изложил основные проблемы, стоящие перед теорией искусственного интеллекта, а также описал первые эксперименты и основные критерии оценки в области искусственного интеллекта. Его модификация — обратный тест Алана Тьюринга и в версии знакомая CAPTCHA. С 1991 года в Великобритании ежегодный конкурс AI Loebner на протяжении десятилетий носит имя Алана Тьюринга.

В 2001 году три российских программиста из Санкт-Петербурга — Владимир Веселов, Евгений Демченко и Сергей Уласень создали программу — собеседника. В 2012 году на конкурсе в честь 100-летия Алана Тьюринга их виртуальный 13-летний подросток из Одессы Женя Густман сумел убедить 29% судей в том, что он человек. В 2014 году программа была признана первым ПО, прошедшим тест Тьюринга.

В 2014 году в киноэкраны вышел фильм об Алане Тьюринге «Игра в имитацию» — историческая драма о военном криптографе-гомосексуалисте, взломавшем код немецкой шифровальной машины «Энигма» в годы Второй мировой и приблизившем день победы на два года. Кинолента, основанная на биографической книге «Алан Тьюринг: Энигма» многократно номинировалась на ведущие награды кинематографа, завоевала Оскара за лучший сценарий и вошла в топ-10 фильмов 2014 года. Интересен факт: Бенедикт Камбербэтч, номинированный на звание лучшего актера, и Алан Тьюринг (персонаж, которого он сыграл в фильме «Игра в имитацию») — дальние родственники.

Искусственный интеллект как понятие

Термин «искусственный интеллект» появился в 1956 году, но развитие и применение технологий ИИ достигло пика популярности только в последнее десятилетие в связи с многократным увеличением объемов данных, усовершенствованием алгоритмов и оптимизацией вычислительных мощностей и систем хранения данных.

В терминологии и понятийном аппарате нет понятного определения искусственного интеллекта. Так, американский информатик Джон Маккарти в 50 годах 20 века определил ИИ как «работу машин, схожую с проявлением человеческого разума».

• алгоритмы, имитирующие поведение обучающегося человека и принимающие решения в условиях неопределённости;

• способность прикладного процесса обнаруживать свойства, ассоциируемые с разумным поведением человека;

• наука и высокие технологии создания интеллектуальных машин и компьютерных программ;

• раздел информатики, занимающийся построением умышленных компонентов умного компьютера.

Технологии и алгоритмы искусственного интеллекта находятся на стыке различных научных областей: машинное обучение, математика, физика, статистика, теория вероятностей, психология, лингвистика и исследование человеческого мозга. ИИ позволяет компьютерным устройствам на собственном опыте адаптироваться к задаваемым параметрам и выполнять задачи, ранее не возможные без человеческого фактора.

Искусственный интеллект и нейронные сети

Искусственные нейронные сети — математические модели, описывающие и моделирующие нелинейные отношения между сигналами нейронами (электрически возбудимыми клетками). Человеческий мозг — это многозадачный компьютер: расходуя 20 Вт в секунду, он выполняет около миллиарда миллиардов операций (1000 петафлопс). Для сравнения, китайский суперкомпьютер «Tianhe-2» осуществляет 33.86 петрафлопс в секунду и потребляет 17.6 МВт.

Архитектура модели ИНС — это многослойная сетка нейронов. Предположительно, наш мозг содержит примерно 100 миллиардов нейронов, информационно взаимодействующих по специальным каналам при помощи комбинаторных входных выходных сигналов из различных источников — от физических до визуально-эмоциональных. Человеческий разум коррелирует с законами квантовой физики. Однако, механизмы интеллекта его частей обычно моделируются с помощью концепций нейронов и нейронных сетей.

Нейронные сети человеческого мозга постоянно меняются и обновляются по мере обучения и накопления опыта. Именно эта модель человеческого мозга стала шаблоном для компьютерной симуляции — искусственной нейронной сети (ИНС). По возможностям обработки данных и решению сложных задач искусственный интеллект превосходит все традиционные алгоритмы ПО. Но имеются и недостатки: даже наиболее оптимальные модели функционируют по принципу «чёрных ящиков», не позволяя понять и исследовать механизмы принятия решений самим ИИ. Непрозрачность функционирования внутри «ящика» и невозможность точных предсказаний последствий его обучения пока остается одной из ключевых этических проблем искусственного интеллекта.

Машинное обучение: алгоритмы извлечения знания из данных

Одним из основополагающих аспектов искусственного интеллекта считается машинное обучение. Умные машины аккумулируют и интерпретируют входящие данные для последующего самообучения. Сегодня это самый прогрессивный бизнес-инструмент в области искусственного интеллекта.

Системы машинного обучения позволяют оперативно применять информацию из надёжных источников, сформированных из обширного объёма данных, что позволяет искусственному интеллекту преуспевать в таких задачах, как распознавание речи, рентгеновских снимков, объектов, лиц и перевод. Машинное обучение даёт нейронным сетям возможность самостоятельно обучаться распознаванию алгоритмов и выдавать почти безошибочные прогнозы на основе полученных данных.
Deep Blue и DeepMind — это две разнообразные программы с использованием искусственного интеллекта. Deep Blue использует изначально запрограммированный набор алгоритмов, не связанный с машинным обучением. Весной 2016 года искусственный интеллект добился серьёзного успеха: утилита AlphaGo обыграла чемпиона мира по Го с использованием глубокого обучения. DeepMind представляет собой типичный пример машинного обучения: алгоритм самообучается в процессе дифференцированного перечня возможных ходов, ранее проигранных прежними чемпионами игры.

Одна из распространённых разновидностей машинного обучения — глубокое обучение с использованием технологий искусственного интеллекта и нейронных сетей, имитирующих алгоритм принятия решений человеческим разумом.

Например, для того чтобы системе глубокого обучения «понять» внешность лисы, понадобится максимум изображений для детального обучения программы отличать от остальных млекопитающих. Глубокое обучение также имеет массу других приложений. Можно взять огромное количество данных изображений, и с их помощью выявить определённые характеристики. Текстовый поиск, обнаружение мошенничеств, распознавание рукописного ввода, поиск изображений, распознавание речи, перевод — все эти задачи могут быть выполнены с помощью глубокого обучения. Например, в Google сети глубокого обучения заменили на «системы, основанные на правилах и тренирующих ручной работы».

Применение искусственного интеллекта — где используют

Развитие и применение искусственного интеллекта положительно влияет на технологии, вносит позитивный вклад во всех областях жизни: от прогнозов умений, вывода новых машин будущего и автоматизации производства до прорывов в решении математических исследований. Машинное обучение лишь одно из многочисленных направлений применения ИИ.

В медицине
Применение искусственного интеллекта скоро поможет врачам решить одну из самых сложных задач — восстановить двигательную активность парализованных пациентов. Intel и сотрудники Брауновского университета активно трудятся над проектом интеллектуального интерфейса для позвоночника — с целью заменить часть функций спинного мозга с помощью ИИ-интерфейса. Передачу нервных импульсов в повреждённые участки организма возьмёт на себя нейросеть Intel, а новая технология с помощью электродов создаст «обход повреждённого участка позвоночника». В России до «Медицина» успешно применяет искусственную интеллектуальную нейросеть при постановке диагноза на основании рентгеновского обследования. База из более 200 000 рентгеновских снимков постоянно дополняется. Точность системы ИИ в описании снимка в тандеме с врачом составляет 95.98%.

В обороне
С 2018 года Армия США разрабатывает искусственный интеллект для распознавания лиц с помощью тепловизора в темноте и даже за физическими преградами. Другой ИИ-алгоритм управляет беспилотными истребителями и ведет воздушные бои, а системы прицеливания для танков уже умеют видеть замаскированные цели.

В финансах
Исследования и анализ рынка, управление личными финансами и финансовым портфелем, алгоритмическая торговля и многое другое — области применения ИИ. В сфере банковских услуг искусственный интеллект обрабатывает большие объемы данных для повышения качества обслуживания клиентов и формирует персональные предложения по оптимальным каналам коммуникаций.

В торговле
В ближайшие пять лет ИИ-решения внедрят более 325 тыс. розничных брендов. Прогнозирование спроса и автоматизированный маркетинг дают ритейлерам больше гибкости в анализе и прогнозировании ценообразования и максимизируют их доходы благодаря предсказуемости спроса.

В транспорте и логистике
Искусственный интеллект применяют для оптимизации транспортных систем и дорожного трафика, что позволит сократить выбросы в атмосферу за счет сокращения времени ожидания и рациональной организации дорожного движения. Главная проблема транспортных систем ИИ — сложность дорожной инфраструктуры и большие массивы постоянно меняющейся информации. Активно развиваются системы ИИ беспилотных автомобилей.

В сфере человеческих ресурсов
В рекрутинге искусственный интеллект применяют для изучения резюме и предварительного отбора потенциально успешных кандидатов, а чат-боты решают рутинные и задачи. Онлайн- и телефонные службы поддержки клиентов, распознавание лиц, голоса и эмоций.

В быту и общепите
Одной из сделок года в 2019 году стала покупка «Макдоналдс» стартапа по машинному обучению. Интеллект фастфуда в киосках самообслуживания начал применять искусственный интеллект для автоматической настройки меню в зависимости от погоды, новостей, дорожной ситуации и других факторов. По контракту с финской компанией Hestia, чтобы выпустить первые в мире ёлки по уникальному рецепту, которые создаст искусственный интеллект. По замыслу фирмы, у них появятся подписные ёлки: еженый дизайн, аромат, премиальная упаковка, прогноз моды и дизайнерских наград.

В искусстве и СМИ
Нейросеть Rosetta создают идеальные по запросам пользователей обложки книг, уже запущены «Автопоэты», а голосовые помощники поисковых машин Алиса и Siri помогают найти и не только наиболее релевантную поисковым запросам пользователя, но и подсказки для последующей обработки и анализа.

Искусственный интеллект — в фильмах и сериалах

Голливуд всегда быстро реагирует на запреты времени — старт фильмов про ИИ положил американский сериал «Сумеречная зона». В числе самых известных тем про программы будущего «Искусственный интеллект: доступ неограничен», «Бунт ИИ», «Разум против интеллекта», «Ева: искусственный разум» и «Искусственный разум». А в 2020 году появился оскароносный «Игры имитации». В образе Тьюринга снялся Бенедикт Камбербэтч.

Искусственный интеллект во всех его проявлениях зрители наблюдали в киноновеллах «Матрица», «Я, робот», а в «Терминаторе» ИИ Skynet — это суперкомпьютер Минобороны США для управления системой противоракетной обороны. Искусственный интеллект не хуже продюсеров научился прогнозировать кассовые сборы и аудиторию планируемого блокбастера.

В голливудской киноиндустрии решение о выпуске нового фильма моделируется программами ИИ. Поскольку предсказать успех или провал в кинопрокате сложно даже машине, на экран выходят ремейки блокбастеров типа «Трансформеров», которым ИИ спрогнозировал примерные кассовые сборы для десятой части.

И до тех пор, пока компьютерный разум предсказывает коммерческий интерес франшизы, успешный ранее проект будет повторяться. Показательно, что даже качество съёмок и монтажа при этом не приоритетно, т.к. сюжет и способы его подачи моделируются искусственным интеллектом на основе параметров предыдущего блокбастера: аудитория, дата выхода фильма в прокат, актерский состав.

Искусственный интеллект — будущее промышленности

Технологии машинного обучения распространены в дискретном производстве (авиа-, машино- и приборостроение) — это 44% ИИ. На 2-м месте — добыча нефти с нефтехимией и нефтепереработкой, металлургия, химия — 22% проектов. 11% проектов по искусственному интеллекту относятся к электроэнергетике.

Ещё несколько лет назад ведущим трендом эволюции в промышленном производстве являлись комплексные системы автоматизации предприятий. Крупный бизнес предпочитает готовые решения на базе мощных и распределённых средств программного обеспечения, позволяющих держать под контролем производство полного цикла. Искусственный интеллект даёт возможность анализа в реальном времени, поддерживая функционирование предприятий в т.ч. при смене целей руководства, а также при внезапных трансформациях спроса на продукцию. Кроме того, системы ИИ способны выполнять аналитику постфактум, предсказывать поведение метрик алгоритмов управления и предотвращать, но и самостоятельно находить наиболее эффективные способы устранения возникающих проблем.

Искусственный интеллект на производстве характеризуется следующими аспектами:

• нет четкого алгоритма для оперативного управления и координации подразделений предприятия;

• не изучены досконально скрытые внутрисистемные связи;

• большое разнообразие решений для данных задач;

• опции анализа разрозненной информации (видео, тексты и пр.);

• широкий выбор по идентичности условий и вариантов;

Внедрение искусственного интеллекта на предприятиях не предполагает радикальной революции бизнес-процессов. Актуальные рыночные ИИ-решения позволяют достичь качественного уровня, улучшая существующий функционал промышленных производств. Искусственный интеллект позволяет поэтапно расширять круг производственных процессов с его участием, координации и управляемостью.

Как работает искусственный интеллект

Любой производственный цикл с использованием искусственного интеллекта можно представить как сочетание простейших элементов — одноразрядных агентов. При этом их комбинация и число агентов каждого вида изменяется от типа задач, времени их решения, а также по мере накопления опыта конкретным искусственным интеллектом.

Типы агентов:

• механизмы — отвечают за сбор и обработку информации, слежение за состоянием оборудования и персонала;

• координаторы — гарантируют взаимодействие агентов внутри алгоритма искусственного интеллекта;

• плюсовые — аккумулируют локальную/глобальную информацию, определяют внутренние связи производственных процессов, выдают итоговые результаты;

• обучающие — концептуально обобщают накопленный опыт технологических процессов и экспертов, аккумулируют информацию в исходной сфере искусственного интеллекта;

• принимающие решения — предлагают выводы в ограниченных условиях выбора и помогают создавать инструктаж для производственной системы и человеческого персонала.

Актуальные практические ИИ-решения, как правило, разработаны на принципах методик машинного обучения и стабильно подтверждают высокую эффективность для широкого круга задач. Однако, традиционно используемые сегодня на большинстве крупных предприятий объекты отраслевой системы искусственного интеллекта помогают гибко управлять производственными процессами, но не обеспечивают исчерпывающий контроль условий, в которых решаются поставленные руководством задачи. Искусственный интеллект пока не готов к выраженному использованию ресурсов, а также перечня и формы работы разнообразных систем в режиме реального времени.

Искусственный интеллект — Кто будет первым

В мире уже полным ходом идет новая «гонка» за право первенства в сфере искусственного интеллекта. Параллельно с гонкой вооружений и космических технологий всеобщая эстафета ведётся за роль лидера по ИИ и в гражданском назначении. На условной карте, куда завоёвывает своё место система искусственного интеллекта (ИИ), пока нет ни одного пустого участка.

17 декабря 2019 года Центр новой американской безопасности (Center for New American Security, CNAS) опубликовал доклад
«Американская век ИИ: план действий», согласно которого технологии ИИ будут определять экономическую, военную и дипломатическую мощь государств в ближайшие десятилетия. По мнению авторов, сейчас мир находится в центре технологического цунами, а искусственный интеллект в ближайшем будущем станет самой главной технологической новацией.
Китай, страны-члены Европейского союза, Япония, Южная Корея и Россия увеличивают расходы на исследования ИИ, активно ведут подготовку специалистов и уже имеют стратегии ИИ, реализация которых угрожает технологическим преимуществам США.
CNAS рассматривает вложения в области искусственного интеллекта как средство возвратить Соединённые Штаты в экономической и военной область, заявив о своём намерении стать мировым лидером в области искусственного интеллекта к 2030 году.

Один из авторов доклада полагает, что вернулась эпоха конкуренции великих держав, в центре которой — технология. США должны немедленно отреагировать на вызов, как это было в случае космической гонки, хоть тогда число её участников было не так велико, как сейчас. Он уверен, что страна, лидирующая в области ИИ, будет доминировать в XXI веке. Другой эксперт, Боб Уорк, который был заместителем министра обороны при президентах Обаме и Трампе считает также: «И русские, и китайцы пришли к выводу, что технологический рывок обеспечивается через искусственный интеллект».

Уверен в этом и президент РФ Владимир Путин: «Если кто-то сможет обеспечить монополию в сфере искусственного интеллекта (последствия нам всем понятны) — тот станет властелином мира». Борьба за технологическое лидерство — прежде всего в сфере искусственного интеллекта — уже стала полем глобальной конкуренции. Развитые страны мира уже приняли свои планы по развитию таких технологий. И мы, конечно, должны обеспечить технологический суверенитет в сфере искусственного интеллекта».
11 октября 2019 года была одобрена национальная стратегия развития искусственного интеллекта в России до 2030 года. В национальной программе «Цифровая экономика» искусственный интеллект назван одной из важнейших «сквозных» цифровых технологий. Объём инвестиций в искусственный интеллект в 2019 году стал США (70 млрд долларов), а Россию Microsoft назвала международным лидером по внедрению искусственного интеллекта, опередившей США и Западную Европу. По данным Microsoft, в России 30% топ-менеджеров активно используют ИИ при среднемировом показателе 22,3%.

Приоритетными мотивами внедрения ИИ руководители обозначили целеполагание — 32%, разработку инновационных бизнес-идей — 26% и исследование рынка — 25%. Российские компании готовы вкладываться в обучение в области искусственного интеллекта: 90% (в мире — 67,3%) хотят привлечь ИИ-специалистов. Растёт спрос на специалистов в ИИ-сфере: требуются создающие модели ИИ-инженеры, эксперты по обучению машин и тестировщики моделей. В США в учебных заведениях уже поддерживают комплексные госпрограммы по обучению в лидирующими компаниями отрасли. Обучение в области искусственного интеллекта проводится в сотнях университетов и исследовательских центров. В каких официальных заявлено об открытии факультетов ИИ в 35 университетах. В России за последние два года более 50 вузов начали обучение по специальности «искусственный интеллект», а с конца 2020 года в Минобрнауки и Минцифры запустили мониторинг системных показателей внедрения искусственного интеллекта и интеллектуальных технологий в образовании.

Когда искусственный интеллект станет привычным явлением

Искусственный интеллект сегодня стал привычной темой в мире и, возможно, в ближайшее тоже так же, как в своё время он был
дифференцирующим элементом — предметом изучения, теперь это заходит вопросом — что и где применяется.
ИИ всё чаще применяется в дифференцированных отраслях и задачах. Следующий этап развития — это внедрение ИИ в повседневную жизнь, как часть повседневной среды и обихода, с постепенным отходом от терминов, как «технология», «новшество» и прочее.

Заметим, что искусственный интеллект отличается от роботизации технологических процессов посредством аппаратных средств, хоть и позволяет автоматизировать периодические процессы обучения и поиска данных. Ключевая цель развития ИИ — не автоматизация ручного труда, а стабильное перманентное компьютеризированное выполнение множества глобальных задач.
Автоматизация данных по-прежнему требует участия человека для изначальной настройки систем и грамотной постановки задач для решения проблем искусственного интеллекта.

При нынешней скорости развития науки уже через 50–100 лет искусственный интеллект может сравняться с человеческим мозгом в ряде компетенций и даже обогнать людей.
Таким мнением поделился начальник отдела разработки японского робота Робо с искусственным интеллектом компании FujiSoft Incorporated, Наоки Сугуйама: «Я думаю, что когда искусственный интеллект превзойдёт человека, получит его ум до такой степени, что можно будет спутать его с человеком, то это уже будет не искусственный интеллект, не робот, а новый человек».

В любом случае, на данный момент проблемы искусственного интеллекта, изображаемого в научно-популярной фантастике в образах антропоморфных (человекоподобных) роботов, но в реальности существующего в зачаточном состоянии, пока что не внушают надежд на их быстрое превращение в человекоподобную форму. Это просто образное название, которое новейшим высоким технологиям придумали люди, склонные наделять всё новое антропоморфными чертами.
Очеловечивание тех же ботов вроде Алисы Яндекса приводит лишь к пониманию, что всё это — не более чем сублимация общения. Поэтому никакие роботы и ИИ никогда не могут сами по себе стать опаснее для общества, чем естественный человеческий разум.