Как не замерзнуть с приходом «Зимы искусственного интеллекта»

Первая и вторая зимы искусственного интеллекта

Управле́ние разрабо́ткой програ́ммного обеспе́чения (англ. Software project management) — особый вид управления проектами, в рамках которого происходит планирование, отслеживание и контроль за проектами по разработке программного обеспечения. Ключевым моментом в управлении проектом по разработке программного обеспечения является правильный выбор метода разработки.

Четвёртая промышленная революция (англ. The Fourth Industrial Revolution) — прогнозируемое событие, массовое внедрение киберфизических систем в производство (индустрия 4.0) и обслуживание человеческих потребностей, включая быт, труд и досуг. Изменения охватят самые разные стороны жизни: рынок труда, жизненную среду, политические системы, технологический уклад, человеческую идентичность и другие.

Безудержный рост ожиданий от некоторого продукта, еще не развившегося в полной мере, указывает на то, что надувающийся «пузырь» хайпа настолько велик, что это становится заметно все большему количеству вовлеченных игроков. Вот что пишет, например, один из ведущих исследователей машинного обучения Эрик Сигел, профессор Колумбийского университета, исполнительный редактор The Machine Learning Times.

Тестирование производительности в инженерии программного обеспечения — тестирование, которое проводится с целью определения, как быстро работает вычислительная система или её часть под определённой нагрузкой. Также может служить для проверки и подтверждения других атрибутов качества системы, таких как масштабируемость, надёжность и потребление ресурсов.

Зима искусственного интеллекта — период в истории исследований искусственного интеллекта, связанный сокращением финансирования и общим снижением интереса к проблематике. Термин был введён по аналогии с термином «ядерная зима». Направление искусственного интеллекта прошло несколько циклов, сопровождавшихся повышенным ажиотажем, сменяющихся «зимами» — разочарованием, критикой и последующим сокращением финансирования, а затем возобновлением интереса несколько лет или десятилетий спустя.

В 1956 году в Дартмутском колледже прошел двухмесячный семинар, на котором для обозначения новой области исследования, занимающейся моделированием человеческого разума, американский информатик Джон Маккарти предложил термин «искусственный интеллект». А за два года до этого в Джорджтауне в штаб-квартире корпорации IBM был продемонстрирован полностью автоматический перевод более 60 предложений с русского языка на английский. Презентация прошла успешно и, будучи широко разрекламированной в СМИ, побудила правительство США начать больше инвестировать в компьютерную лингвистику. И не только в нее — с 1950-х по 1970-е годы Управление перспективных исследовательских проектов Министерства обороны США (DARPA) финансировало исследования в области искусственного интеллекта с минимальными требованиями к разработке проектов — фактически исследователи ИИ могли тратить полученные средства на любые проекты, которые им придут в голову. В этот период также появился предшественние современных нейросетей — перцептрон.

Глубокое обучение (глубинное обучение; англ. Deep learning) — совокупность методов машинного обучения (с учителем, с частичным привлечением учителя, без учителя, с подкреплением), основанных на обучении представлениям (англ. feature/representation learning), а не специализированным алгоритмам под конкретные задачи. Многие методы глубокого обучения были известны ещё в 1980-е (и даже ранее), но результаты были невпечатляющими, пока продвижения в теории искусственных нейронных сетей (предобучение нейросетей.

В 1980-х интерес к ИИ возродили экспертные системы — программы для ЭВМ, которые умели предсказывать и прогнозировать результаты какого-либо события со множеством переменных на основе полученных данных. Корпорации по всему миру начали активно их внедрять, а Министерство международной торговли и промышленности Японии даже запустило проект по созданию компьютерных систем пятого поколения, которые, как предполагалось, смогут вести беседу с людьми, интерпретировать изображения и станут основой для будущих исследований ИИ. Но затем все повторилось, как в 1970-е. Экспертные системы и вычислительные машины, на которых те запускались, было дорого обслуживать, и по итогу они проиграли конкурентную борьбу компьютерам Apple и IBM. Проект японского министерства тоже провалился, и это тоже внесло вклад в начало второй «зима искусственного интеллекта», которая продлилась с 1987 по 1994 год.

Как появился термин

Компьютерная революция (революция микрокомпьютеров, революция персональных компьютеров, цифровая революция) — одна из составляющих научно-технологической революции второй половины XX века. Началом компьютерной революции считается широкое внедрение их в обиход (т.н. компьютеры третьего поколения или Персональные компьютеры), тогда как период их изобретения в 1930-1970-х называется «нулевым циклом». Одним из значимых результатов компьютерной революции является появление информационного общества. Важными.

Не меньшего внимания заслуживает тот факт, что ChatGPT и ему подобные модели обучаются на данных, которые, вообще-то говоря, кому-то принадлежат. И все больше людей начинают высказывать недовольство, что их данными без разрешения пользуются посторонние лица. Так, в конце 2023 года The New York Times подало в суд на OpenAI и Microsoft. Издание обвинило IT-компании в том, что те незаконно используют «уникально ценные произведения NYT».

К началу 1970-х прошло всего около 20 лет с тех пор, как когнитивные науки и кибернетика уверенно заявили о себе, начав вытеснять со сцены бихевиоризм с условными рефлексами. Человеческое мышление сравнивали с компьютером, управление организации сравнивали с компьютером, ЭВМ все чаще и успешнее использовали не только для военных задач, но и для сложных научных расчетов. Первая статья, в которой упоминается словосочетание «искусственный интеллект», вышла в 1956 году и поставила своей целью в течение 2 месяцев изучать поведение выбранной группы людей, чтобы формализовать доступные им навыки и воспроизвести их в алгоритмических инструкциях.

Отдельно стоит рассмотреть вопрос энергопотребления и экологический вред от технологий ИИ. ChatGPT потребляет не просто огромное, а чудовищно огромное количество энергии — чат-бот OpenAI отвечает на 200 млн запросов ежедневно, и серверам, на которых работает сервис, для этого необходимо 500 тыс. кВт·ч энергии (для сравнения — в год среднестатистическое домохозяйство в США использует лишь 29 кВт·ч). И это не предел — по оценкам одного из крупнейших в мире инвестиционных банков Goldman Sachs, искусственный интеллект способен увеличить потребность в электроэнергии в центрах обработки данных на 160% к 2030 году.

Теория и технологии разработки электронных цифровых компьютеров (англ. Theory and Techniques for Design of Electronic Digital Computers), или неофициально Лекции школы Мура или Лекции Института Мура (англ. Moore School Lectures) — курс лекций по постройке электронных цифровых компьютеров, который читался в Электротехнической школе Мура при Пенсильванском университете в период с 8 июля по 30 августа 1946 года. Это был первый в истории курс лекций на тему компьютеров, читавшийся для широкой аудитории.

Статистические методы машинного обучения, основанные на увеличении объема данных и вычислительных ресурсов, вновь возродили интерес к ИИ, однако на протяжении ряда лет к ним сохранялось скептическое отношение. Как писал один из авторов The Economist в 2007 году о разработках в сфере распознавания речи: «Технология произвела на них [венчурных капиталистов] впечатление, но их отпугнул термин «распознавание голоса», который, как и «искусственный интеллект», ассоциируется с системами, слишком часто не выполняющими своих обещаний».

Коннекционизм (англ. connectionism) — один из подходов в области искусственного интеллекта, когнитивной науки (когнитивистики), нейробиологии, психологии и философии сознания. Коннекционизм моделирует мыслительные или поведенческие явления процессами становления в сетях из связанных между собой простых элементов. Существует много различных форм коннекционизма, но наиболее общие используют нейросетевые модели. В рамках этого течения предпринимаются попытки объяснить умственные способности человека.

Биоинспирированные алгоритмы — алгоритмы, область исследования которых свободно объединяет подразделы, относящиеся к темам связности, социального поведения и возникновения. Они часто тесно сопряжены с областью искусственного интеллекта, поскольку их занятия могут быть связаны с машинным обучением. Они опираются в основном на области биологии, информатики и математики. Если говорить кратко, использование компьютеров для моделирования живых явлений и одновременное изучение жизни для улучшения использования.

Что происходит сейчас

Прототипи́рование программного обеспечения (от англ. prototyping) — этап разработки программного обеспечения (ПО), процесс создания прототи́па программы — макета (черновой, пробной версии) программы, обычно — с целью проверки пригодности предлагаемых для применения концепций, архитектурных и/или технологических решений, а также для представления программы заказчику на ранних стадиях процесса разработки.

Именно в этом году ВЭФ объявил о создании «Альянса управления ИИ», который призван на международном уровне объединить лидеров отрасли, правительства, академические институции и организации гражданского общества — и попытаться выстроить, наконец, системы ответственности за ИИ-продукты. В то же время, как метко выразилась министр цифровой трансформации Словении Эмилия Стойменова-Дух, «Если мы хотим нечто регулировать, было бы неплохо немного подождать, чтобы понять, что именно мы хотим регулировать».

Окружающий интеллект (англ. Ambient intelligence, AmI) — термин для обозначения окружающей среды, насыщенной электронными устройствами, которые реагируют на присутствие людей. В русскоязычных источниках термин «окружающий интеллект» упоминается, но пока не является устоявшимся эквивалентом английского Ambient intelligence. В англоязычных источниках парадигма окружающего интеллекта основывается на технологиях распределённых вычислений, построении персональных профилей, контекстной ориентированности.

Финансовое моделирование – это процесс построения абстрактного представления (финансовой модели) реальной или предполагаемой финансовой ситуации. В ходе финансового моделирования могут быть исследованы все или некоторые вопросы развития компании, изменения стоимости ценных бумаг и иные активы и объекты, имеющие финансовую оценку.

Гипотеза разрыва в знаниях — это концепция, описывающая структурное неравенство знаний, получаемых через средства массовой информации. Знание, как другие виды благ, часто распределяется по социальной системе дифференцированно. Гипотеза утверждает, что «по мере увеличения притока массовой информации в социальную систему группы населения с более высоким социально-экономическим статусом, как правило, получают эту информацию быстрее, чем группы с более низким социально-экономическим статусом, так что.

Экономические издержки, вызванные чрезмерным потреблением ИИ электроэнергии, могут в какой-то момент перевесить выгоды от использования технологии, и это приведет к уменьшению числа дата-центров. А помимо чисто экономических соображений, существуют еще и экологический фактор. Например, в 2023 году у Google был зафиксирован 13% рост выбросов парниковых газов, вызванный интеграцией ИИ в продукты компании и нехваткой возобновляемых источников энергии в Азии и некоторых регионах США. Сейчас эксперты высказывают серьезные опасения насчет того, что искусственный интеллект способствует приближению климатического кризиса, и это тоже может привести к приостановке в скором будущем многих ИИ-проектов.

Модель жизнеспособной системы (англ. viable system model, VSM) является моделью организационной структуры любого жизнеспособного организма или автономной системы. Жизнеспособной системой является любая система, способная поддерживать своё отдельное существование в определенной среде. Одна из основных особенностей жизнеспособных систем в том, что они могут адаптироваться к изменяющимся условиям окружающей среды.

27–29 июня в китайском городе Тяньцзинь прошла «Ежегодная встреча новых победителей 2023»: событие, которое также называют «летним Давосом». В центре внимания экспертов снова был искусственный интеллект, направления его развития и связанные с ними риски. Никто в полной мере не знает, о чем идет речь, однако все согласны, что действовать нужно уже сейчас, пока не поздно.