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

Текст научной работы на тему «ИСТОРИЯ РАЗВИТИЯ И СОВРЕМЕННОЕ СОСТОЯНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА»

Множество разработок ведётся в технических университетах мирового уровня[14]. Правительства стран по всему миру выделяют огромные средства из государственных бюджетов на развитие кластеров, занимающихся разработкой новых технологий на основе искусственного интеллекта, целью которых является достижение сравнительного преимущества в мировой экономике. Зачастую этот процесс происходит в слишком больших масштабах и за благими намерениями могут скрываться разрушительные для мировой экономики последствия[7].

Эти успехи, а также поддержка ведущих исследователей (а именно последователи DSRPAI) убедили правительственные учреждения, такие как Управление перспективного планирования оборонных научно-исследовательских работ (DARPA), финансировать исследование искусственного интеллекта в нескольких учреждениях. Правительство особенно интересовалось машиной, которая могла расшифровать и перевести разговорный язык, а также иметь высокую пропускную способность обработки данных. Оптимизм был высок, а ожидания были еще выше. В 1970 г. Мар-вин Минский сказал: «Через период от трех до восьми лет у нас будет машина с общим мышлением «среднего человека»[1]. Однако, несмотря на то, что основное доказательство данного высказывания существует, пред-

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).

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.

Люди не стали писать коды для создания искусственного интеллекта по-другому, более правильно и четко, так что изменилось? Оказывается, фундаментальный предел компьютерной памяти, который сдерживал нас 30 лет назад, больше не являлся проблемой. Согласно закону Мура [2] (сформулированному в 1965 г. Гордоном Муром, впоследствии ставшим одним из основателей корпорации Intel) память и скорость компьютеров удваиваются каждый год. И теперь машина, наконец, догнала и во многих случаях превзошла наши потребности. Именно так Deep Blue смог победить Гари Каспарова в 1997 г., и именно так Alpha Go от Google смогла победить чемпиона Китая Ки Джи в 2017 г. Существует логичное объяснение таким«американским горкам»развития ИИ; ученные насыщают возможности ИИ до уровня возможной текущей вычислительной мощности (скорость хранения и обработки данных), а затем ждут, когда закон Мура догонит необходимый уровень снова.

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.

История взлетов и падений

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.

1982-1990 гг. они инвестировали 400 млн $ в революцию компьютерной обработки данных, внедрение логического программирования и совершенствование искусственного интеллекта. К сожалению, большинство амбициозных целей не были достигнуты. Тем не менее, можно утверждать, что косвенные эффекты FGCP вдохновили талантливое молодое поколение инженеров и ученых. Несмотря на это, финансирование FGCP прекратилось, а искусственный интеллект снова выпал из поля зрения.

На этой исторической конференции Маккарти, благодаря большому совместному усилию, собрал ведущих исследователей из различных областей для открытого законченного обсуждения искусственного интеллекта, термин который он ввел на том самом мероприятии. К сожалению, конференция обманула ожидания Маккарти; люди пришли лишь из легкого интереса, и никто так и не смог договорить о классификации и методологии для данной области изучения. Несмотря на это, все искренне поддержали мнение, что искусственный интеллект достижим. Значение этого события нельзя недооценить, поскольку это дало толчок для следующих двадцати лет исследований технологий искусственного интеллекта.

Сейчас мы живем в эпоху «больших данных», в эпоху, когда мы способны собирать огромные объемы информации, слишком громоздкие для человека. Применение искусственного интеллекта в этом отношении уже было достаточно плодотворным в нескольких отраслях, таких как технология, банковское дело, маркетинг и развлечения. Можно заметить, что даже если алгоритмы не улучшаются, большие данные и массивные вычисления просто позволяют искусственному интеллекту учиться с помощью грубой

В мире количество проектов в области искусственного интеллекта и машинного обучения только за 2015-2017 гг. возросло в несколько раз. В 2015 г. анонсировались только 17 проектов, выполненных крупными компаниями, то в первой половину 2017 года — 74 проекта. Всего за три года в 28 странах и 20 отраслях зафиксировано 162 таких проекта. В 85% случаев — это реализованные проекты, в 15% — это планы или тестовые внедрения по всем отраслям за исключением госструктур. Основная доля заказчиков таких инициатив — крупный бизнес (85%).

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.

Одним из лидеров гонки за рынок товаров и услуг, основанных на технологиях глубокого обучения, стала Google. Чтобы расширить свое присутствие на рынке глубокого обучения, Google в качестве главной приняла стратегию разработки новых продуктов, сотрудничества и поглощений. В 2014 г. компания Google приобрела 4 стартапа, ориентированных на технологии глубокого обучения: Deep Mind, Vision Factory, Dark Blue Labs, и DNN research [14]. Сумма сделки только с Deep Mind Technologies (Великобритания) составила 600 млн $.

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.