ИСТОРИЯ РАЗВИТИЯ И СОВРЕМЕННОЕ СОСТОЯНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Текст научной статьи по специальности «Экономика и бизнес»

История взлетов и падений

Могут ли машины стать умнее, чем люди? Нет, считает Жан-Габриэль Ганасия: это всего лишь миф, навеянный научной фантастикой. В своей статье он напоминает об основных этапах развития этой отрасли науки, о достижениях современной техники и об этических вопросах, все больше требующих к себе внимания.

Исследования не прекратились, но пошли в новых направлениях. Ученые заинтересовались психологией памяти, механизмами понимания, которые они пытались имитировать на компьютере, и ролью знаний в мыслительном процессе. Это привело к появлению значительно развившихся в середине 1970-х годов методов семантического представления знаний, а также к созданию экспертных систем, названных так потому, что для воспроизведения мыслительных процессов в них использовались знания квалифицированных специалистов. В начале 1980-х годов на экспертные системы возлагались большие надежды в связи с широкими возможностями их применения, например, для медицинской диагностики.

следние годы в технологии искусственного интеллекта, особенно в покупку ИИ — ориентированных компаний, значительные средства. Осенью 2015 г. эта компания приобрела Perceptio и Vocal IQ, а также Faceshift (швейцарскую компанию — разработчика технологии захвата мимики лица и Emollient).

Как и любая основополагающая наука «Искусственный интеллект» имеет достаточно богатую историю. Суть направления «Искусственный интеллект» лучше всего отражают слова «Дух в машине», при этом не столь важно развитие отдельно понятий о машине и духе, как важно их сочетание.

Методы машинного обучения позволяют одним автоматам распознавать устную речь и записывать ее подобно секретарям-машинисткам прошлых лет, а другим – точно идентифицировать лица или отпечатки пальцев среди десятков миллионов других и обрабатывать тексты, написанные на естественных языках. Благодаря этим же методам самостоятельно движутся автомобили, компьютеры лучше врачей-дерматологов диагностируют меланомы по фотографиям родинок, сделанных с помощью сотовых телефонов, роботы воюют вместо людей; а конвейеры на заводах все больше автоматизируются.

Но, по мнению экспертов, Россия обладает немалым потенциалом в сфере развития технологий ИИ[11,17]. Конкурентным преимуществом для России, прежде всего, должно стать наличие большого количества сильных специалистов в machine learning в целом и в области глубокого обучения, в частности.

Только 20% объема выполняемых в России исследований и разработок в области нейротехнологий осуществляется коммерческими компаниями. Основная часть исследований в данной сфере реализуется в государственных научно-исследовательских институтах и университетах.

помнить то, что они сделали. Во-вторых, вычисление было чрезвычайно дорогим. В начале 1950-х гг., стоимость аренды компьютера доходила до 200 000$ в месяц. Только престижные университеты и крупные технологические компании могли позволить себе такие расходы в абсолютно не исследованной области. Доказательство понятия, а также поддержки от людей высокого ранга было необходимо, чтобы убедить мировое сообщество, что машинное мышление стоит развивать, а также получить одобрение и финансирование.

Применение

Ученые также прибегают к этим методам для определения функций биологических макромолекул, в частности белков и геномов, исходя из последовательности их компонентов – аминокислот для белков и оснований для геномов. В целом, во всех науках наблюдается серьезный эпистемологический разрыв, обусловленный качественным отличием экспериментов in silico – получивших такое название потому, что выполняются на основе больших данных с помощью мощных процессоров с кремниевыми чипами – от экспериментов in vivo (на живой ткани) и особенно in vitro (в стеклянных пробирках и чашках Петри).

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.

Преодоление первых препятствий развития искусственного интеллекта выявило еще достаточно препятствий. Самым большим затруднением стало отсутствие вычислительной мощности, чтобы сделать что-либо существенное: компьютеры просто не могли хранить достаточный объем информации или обработать ее достаточно быстро. Чтобы общаться, например, нужно знать значение многих слов и понимать их смысл во многих комбинациях. Ханс Морэвек, докторант Маккарти в то время, заявил, что «компьютеры были все еще слишком слабы, чтобы проявлять интеллект»[6]. По мере того, как терпение иссякало, сокращалось и финансирование, а исследования в течение десяти лет шли очень медленно.

Созданием собственных нейросетей занимается и компания Яндекс. Например, Яндекс разработал новый алгоритм «Палех», который использует нейронные сети для формирования поисковой выдачи. Методы позволят лучше воспринимать запросы пользователей, основываясь не только на использовании ключевых слов, но и их смысловых аналогов. Среди наиболее известных разработок компании — сервис онлайн-заказа такси «Ян-

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.

ПАО «КамАЗ» разрабатывает систему полуавтономного управления автомобилем, которая будет строиться на комплексе технологий ИИ -компьютерного зрения, машинного обучения, речевых технологий. В сотрудничестве с российской компании Cognitive Technologies автопроизводитель готовится к выпуску предпромышленной версии системы помощи водителю ADAS (Advanced Driver Assistance System) первого уровня[10].

Эти инвестиции показывают, что, несмотря на разницу между ожидаемыми будущими перспективами искусственного интеллекта и его текущим потенциалом, компании готовы платить огромные суммы за приобретение этих технологий и пополнение своего банка интеллектуальных идей путем привлечения относительно редких талантов в этой сфере, чтобы получить долю на рынке.

Кроме того, отечественный бизнес на сегодняшнем уровне автоматизации в основном не готов к использованию таких инструментов. Существенный барьер — вычислительные мощности. Для активизации проектов первоначально следует обеспечить соответствующее развитие высокопроизводительной инфраструктуры.