Искусственный интеллект: между мифом и реальностью

ИИ: истории успеха

науки об искусственном интеллекте и имеют свою специфик Например, машинное обучение фокусируется на создании систем, которые обучаются и развиваются путем обработки и анализа данных. Разница состоит в том, что машинное обучение всегда подразумевает использование ИИ, однако ИИ не всегда подразумевает машинное обучение.

Преподаватель информатики в университете Сорбонна, профессор Жан-Габриэль Ганасия (Франция) является также научным сотрудником исследовательской лаборатории LIP6, (Laboratoire d’Informatique de Paris 6), действительным членом Европейской ассоциации искусственного интеллекта EurAI (European Association for Artificial Intelligence), членом Университетского института Франции (Institut Universitaire de France) и председателем Комитета по этике Национального научно-исследовательского центра Франции (CNRS). Его научные интересы охватывают такие темы, как машинное обучение, символическое слияние данных, компьютерная этика и цифровые гуманитарные науки.

Разработчики применяют искусственный интеллект, чтобы эффективнее выполнять задачи, которые в ином случае пришлось бы делать вручную, взаимодействовать с заказчиками, выявлять закономерности и решать проблемы. Для начала работы с ИИ разработчикам потребуются математические знания и умение пользоваться алгоритмами.

Чтобы повысить точность этих моделей, инженер будет передавать данные в модели и настраивать параметры до тех пор, пока они не достигнут заданного порога. Эти потребности в обучении, измеряемые сложностью модели, растут в геометрической прогрессии с каждым годом.

ИИ подразумевает не только рациональный анализ и воспроизведение при помощи компьютеров большинства аспектов интеллекта – может быть, лишь за исключением юмора. Машины значительно превышают наши когнитивные способности в большинстве областей, что заставляет нас опасаться некоторых этических рисков. Это риски трех видов: дефицит работы, которая вместо людей будет выполняться машинами; последствия для независимости человека и, в частности, для его свободы и безопасности; опасения, что более «умные» машины будут доминировать над людьми и станут причиной гибели человечества.

Прогресс замедлился в середине 1960-х годов. В 1965 году десятилетний мальчик одержал в шахматном матче победу над компьютером; в 1966 году в докладе, подготовленном по заказу Сената Соединенных Штатов Америки, говорилось о внутренних ограничениях, присущих машинному переводу. Около десяти лет пресса отзывалась об ИИ неодобрительно.

ИИ становится неотъемлемой частью бизнеса. Рано или поздно все компании вынуждены будут использовать технологии ИИ, чтобы создать собственную экосистему и сохранить конкурентоспособность. Те, кто пренебрегает прогрессом, в следующие 10 лет рискуют остаться за бортом.

Искусственный интеллект (ИИ) – это отрасль науки, официально увидевшая свет в 1956 году на летнем семинаре в Дартмут-колледже (Хановер, США), который организовали четверо американских ученых: Джон Мак-Карти, Марвин Мински, Натаниэль Рочестер и Клод Шеннон. С тех пор термин «искусственный интеллект», придуманный, вероятнее всего, с целью привлечения всеобщего внимания, стал настолько популярен, что сегодня вряд ли можно встретить человека, который никогда его не слышал. С течением времени этот раздел информатики развивался все больше, а интеллектуальные технологии в последние шестьдесят лет сыграли важную роль в изменении облика мира.

Как технология ИИ может помочь организациям

С 2010 года мощность компьютеров позволяет сочетать так называемые большие данные (Big Data) с методами глубокого обучения (Deep Learning), которые основываются на использовании искусственных нейронных сетей. Весьма успешное применение во многих областях (распознавание речи и изображений, понимание естественного языка, беспилотный автомобиль и т.д.) позволяет говорить о возрождении ИИ.

Тем не менее ИИ остается достаточно новой и сложной технологией. Чтобы полностью раскрыть ее потенциал, чтобы создавать и применять решения на основе ИИ, необходим высокий уровень квалификации. Для достижения успеха недостаточно просто нанять специалистов по изучению данных. Необходимо использовать правильные инструменты, процессы и стратегии управления.

Возможно, Ваша компания является исключением из правил, однако большинство предприятий не имеют собственных специалистов по изучению данных и необходимых ресурсов для создания экосистемы и разработки приложений, которые помогут поставить возможности ИИ себе на службу.

И наконец, в противоположность некоторым утверждениям, машины не несут в себе экзистенциального риска для человечества, поскольку их автономия носит лишь технический характер и в этом смысле не соответствует цепочкам материальной причинности, идущим от информации к принятию решений. Кроме того, машины не самостоятельны в моральном плане, и потому, даже если иногда они сбивают нас с толку и вводят в заблуждение своими действиями, они все же не обладают собственной волей и подчиняются тем целям, которые мы перед ними ставим.

ИИ все шире используется в производственных операциях, что привело к появлению нового термина — адаптивный интеллект. Адаптивные интеллектуальные приложения помогают принимать более эффективные бизнес-решения за счет использования внутренних и оперативных внешних данных в реальном времени и высокомасштабируемой инфраструктуры.

Поначалу, под влиянием первых успехов, исследователи позволяли себе несколько опрометчивые заявления, которые впоследствии неоднократно ставились им в упрек. Так, например, в 1958 году американец Герберт Саймон, позже ставший лауреатом Нобелевской премии по экономике, заявил, что если бы машины допускались к международным соревнованиям, то в ближайшие десять лет они стали бы чемпионами мира по шахматам.

Применение

Для Джона Мак-Карти и Марвина Мински, как и для прочих организаторов летнего семинара в Дартмут-колледже, ИИ изначально представлял собой область науки, занимающейся компьютерным моделированием различных способностей интеллекта, идет ли речь об интеллекте человеческом, животном, растительном, социальном или филогенетическом. В основе этой научной дисциплины лежит предположение о том, что все когнитивные функции, как то обучение, мышление, расчет, восприятие, память, даже научное открытие или художественное творчество, могут быть описаны с точностью, дающей возможность запрограммировать компьютер на их воспроизведение. На протяжении более чем шестидесяти лет существования ИИ не появилось ничего, что позволило бы неоспоримо доказать либо опровергнуть гипотезу, которая продолжает оставаться открытой и побуждает ученых к новым изобретениям.

Многие результаты, достигнутые с использованием технологий ИИ, превосходят человека: в 1997 году компьютер одержал победу над действующим в то время чемпионом мира по шахматам, а недавно, в 2016 году, другие компьютеры обыграли лучших в мире игроков в го и покер. Компьютеры доказывают или помогают доказывать математические теоремы; автоматически, на основе методов машинного обучения и с помощью огромных массивов данных, объем которых исчисляется в терабайтах (10 в 12-й степени) и даже в петабайтах (10 в 15-й степени), создаются знания.

Самообучающиеся интеллектуальные системы широко применяются практически во всех сферах, особенно в промышленности, банковском деле, страховании, здравоохранении и обороне. Многие рутинные процессы теперь можно будет автоматизировать, что преобразит наши профессии и, в конечном итоге, устранит некоторые из них.

Тем не менее внедрение ИИ связано с определенными трудностями. Лишь немногие компании задействуют полный потенциал ИИ, и тому есть несколько причин. Например, если они не используют облачные вычисления, проекты машинного обучения часто требуют больших вычислительных ресурсов. Они также сложны в создании и требуют опыта, который пользуется большим спросом, но его не хватает. Знание того, когда и где включать эти проекты, а также когда обращаться к третьей стороне, поможет свести к минимуму эти трудности.

Технологии на основе ИИ помогают повысить эффективность и производительность труда за счет автоматизации процессов и задач, которые раньше выполнялись людьми. ИИ также умеет интерпретировать объемы данных, которые не под силу интерпретировать человеку. Это умение может приносить существенные преимущества для бизнеса. Например, Netflix использует машинное обучение для обеспечения уровня персонализации, что помогло компании увеличить свою клиентскую базу более чем на 25 процентов.

Такие интеллектуальные системы стали применяться для выполнения самых различных задач (идентификация отпечатков пальцев, распознавание речи и т. д.), а комбинации различных методов из области ИИ, информатики, искусственной жизни и других дисциплин использовались для создания гибридных систем.