Где используется искусственный интеллект сейчас

Где проходит граница возможностей искусственного интеллекта

Искусственный интеллект уже второй год подряд становится самой обсуждаемой технологией во всем мире. К ней приковано внимание общества, бизнеса и государства. Он одновременно восхищает и пугает людей, а инвестиции в ИИ исчисляются десятками миллиардов долларов. О том, что же такое современный искусственный интеллект, в интервью «Российской газете» рассказал генеральный директор Института искусственного интеллекта AIRI, доктор физико-математических наук, профессор РАН и Сколтеха, Иван Оселедец.

ИИ можно использовать практически в любом технологически сложном производстве. / Александр Корольков/РГ

Почему многие люди боятся ИИ, откуда взялся этот страх? Иван Оселедец: Отчасти это влияние поп-культуры, таких фильмов, как «Терминатор» и других ярких художественных произведений. У меня и моих коллег перед матричными умножениями — так, собственно, и работает нейросеть — страха нет, скорее интересует вопрос почему же она все-таки работает. Действительно интересно все это осознать, понять какими средствами и каким языком описать. Искусственный интеллект на основе нейросетевых моделей пережил первый пик интереса в 2016 году после матча нейросети AlphaGo и первого игрока мирового рейтинга в игру Го, Ли Седоля. Но тогда кроме специалистов на победу AlphaGo никто не обратил внимания. Что изменилось за 6 лет, почему с 2022 года ИИ постоянно находится на пике общественного интереса? Иван Оселедец: Ответ на этот вопрос очень прост — ChatGPT. Это действительно прорывная история в первую очередь за счет колоссально выросшего качества общения ИИ с человеком. На самом деле искусственный интеллект используется очень давно, например, в камерах, которые распознают лица с потрясающей точностью или в интернет-торговле. ИИ уже с нами, он уже здесь. Но такой формат взаимодействия с ИИ не производил такого впечатления на людей, как возможность лично пообщаться с ИИ. Главная идея ChatGPT заключалась в том, чтобы не обучаться на большом количестве произвольных текстов из интернета, а добавить в процесс обучения нейросетевой модели обратную связь от человека. То, что называется RLHF (reinforcement learning human feedback) Оказалось, что качественные данные и обратная связь от человека приводят к существенному скачку в качестве модели. То есть локомотивом всего хайпа вокруг ИИ стал один яркий продукт? Иван Оселедец: Да, локомотивом действительно стала новая методика обучения и конкретно ChatGPT, который Open AI выложили в публичный доступ. Как только люди стали пользоваться ChatGPT, это привело, к колоссальному взрыву интереса. Сейчас у многих людей эта штука открыта в ежедневном режиме, каждый для себя (по крайней мере я могу про себя и коллег говорить) находят там широкий спектр применений. Интересно, что хотя это очень мощная технология, на самом деле ее не очень сложно повторить. В последние несколько месяцев появилось нескольких открытых OpenSource моделей чуть меньшего размера. Так что это только начало. В ближайшее там время нас ждет очень много интересного.

Иван Оселедец: Можно считать, что мы уже живем в эпоху более или менее «общего ИИ». Человечество пересекло эту условную черту. Фото: Пресс-служба AIRI

Как вы относитесь к письму организации Future of Life, которое подписали Илон Маск, сооснователь Apple Стив Возняк и другие известные персоны, относительно приостановки разработок в области ИИ ввиду его потенциальной опасности для людей? Иван Оселедец: Я, конечно, не поддерживаю идею что надо что-то остановить, прекратить, тем более что некоторые люди, которые подписывали это письмо, например Илон Маск, потом вкладывали деньги в свою компанию по разработке ИИ. Есть и такие экзальтированные исследователи ИИ, как Элиезер Юдковский, который дошел до того, что фактически призывает бомбить дата-центры, где обучают нейросетевые модели. Все это выглядит очень странно. Действительно, сейчас технологии машинного обучения хорошо работает там, где цена ошибки не высока. Никто не может дать гарантии стопроцентно безошибочной работы ИИ, но мы и для человека не можем дать такой гарантии, а ошибки человека, которые случаются, устраняем путем внесения изменений в регламенты, обучение, в подготовку. Такие же процедуры работают и для искусственного интеллекта. Если, например, мы поставим нейросетевую модель управлять транспортом, и она перестанет корректно работать, надо будет разобраться, почему это произошло и решить проблему так же, как и в случае с обучением человека. Мне кажется, сейчас надо максимально вкладываться в развитие ИИ. Естественно, если в какой-то момент мы упремся в технологический или иной барьер, тогда и надо будет думать, что делать дальше. Однако, многие задачи, которые раньше считались для ИИ сложно решаемыми, современные большие языковые модели (LLM) решают легко. Это замечательно, значит, надо учиться этими моделями пользоваться, надо учиться с ними взаимодействовать. То, что происходит сейчас с ИИ сравнимо с предыдущими технологическими революциями, но я опять же не вижу в этом ничего страшного или критичного. В мире, будем честны, гораздо больше более серьезных проблем — голод, болезни, стихийные бедствия — чем гипотетический захват власти над миром каким-то супермозгом.

Если ИИ сможет автоматизировать рутинные процессы в этом нет ничего плохого. Люди смогут сфокусироваться на более интересных и творческих вещах

Что вы думаете относительно социальных последствий массового внедрения ИИ? Насколько оправданы опасения его противников, что ИИ лишит их работы, профессии? Иван Оселедец: Если ИИ сможет автоматизировать рутинные процессы в этом нет ничего плохого. Люди смогут сфокусироваться на более интересных и творческих вещах. Но пока не все так просто. Возьмем, программирование и написание кода. Уже было несколько случаев, когда нейросеть за 3 минуты писала код. Очень правдоподобно писала, но с такими хитрыми ошибками, что человек потом 3 часа искал этот несчастный баг. Если же учесть, что программистов сейчас не хватает во всем мире, рынок труда перегрет, то в том, что самый простой код будет писать ИИ нет ничего плохого. Как далеко мы сейчас находимся от того, что называют «общим искусственным интеллектом»? Он в принципе возможен? Иван Оселедец: На эту тему очень много спекуляций, но если бы год назад я сказал «вряд ли» или «надо подождать», то с появлением ChatGPT многое изменилось. Почему бы те вещи, которые он сейчас делает, не рассматривать как проявление общего искусственного интеллекта, который отвечает на многие вопросы лучше среднестатистического человека, решает разнообразные задачи, выполняет роль помощника. Что тут не соответствует понятию «общего искусственного интеллекта». Кейсы с использованием современного ИИ — это очень многозадачные истории и даже в некоторых случаях достаточно креативные. В этом смысле мы подошли очень близко к общему ИИ. Он неожиданно для многих появился в форме чат-бота, который обрастает различными модальностями, то есть, уже работает не только с текстом, но и с изображениями и видео. Можно считать, что мы уже живем в эпоху более или менее «общего ИИ». Человечество в каком-то смысле пересекло эту условную черту. Конечно, можно спорить относительно определения общего ИИ, но факт остается фактом, поведение современных больших языковых моделей принципиально отличается от того, что мы видели раньше и их действительно можно назвать прототипами общего ИИ. Каково на ваш взгляд сейчас место России в мировой ИИ-индустрии в науке о данных? Иван Оселедец: В области Data Science (науки о данных), думаю, мы входим в Топ 15-20 стран. Это достаточно легко измерить количеством публикаций на конференциях. Хотелось бы, конечно, больше так как в этом нет ничего сложного. Data Science наука достаточно своеобразная и нетипичная для нашей академической традиции, так как она не подразумевает каких-то глубоких фундаментальных исследований, а представляет собой набор быстрых и успешных рецептов, которые люди придумывают и используют. Если говорить с точки зрения развития прикладных технологий у нас все очень неплохо. Я обычно привожу как пример обработку медицинских изображений, где по многим показателям Москва находится в мировых лидерах. Тут опять все сводится к тому, что нужно правильно собрать данные и обучить модели, но тем не менее, такого внедрения этой технологии, как в Москве, нигде в мире практически нет. Сегодня каждая уважающая себя российская IT-компания или банк имеет у себя отдел, занимающийся машинным обучением. В «Сколтехе» есть свои научные группы, они работают, появляются новые, но я думаю, что нужно раза в четыре-пять больше научных групп, работающих в области ML (машинного обучения). В целом же ситуация с искусственным интеллектом в стране неплохая, туда вкладываются деньги, есть проекты, есть поддержка. Обучение больших нейросетевых моделей требует значительных вычислительных ресурсов. Насколько реально создавать суперкомпьютеры в текущих условиях в России? Что для этого нужно? Иван Оселедец: Санкционная история просто повышает стоимость вычислительных ресурсов и их доступность. Но при этом программное обеспечение, которым все пользуются, не очень эффективно. Сейчас вычислительный кластер достигает при стандартной методике обучения не более 50% от своей максимальной производительности. Если же, условно, приблизиться к 100%, можно в 2 раза ускорить обучение на том же самом «железе». Одной из важных задач является разработка новых эффективных вычислительных методов обучения нейросетей, которые позволят снизить время обучения и потребление электроэнергии. Мы ведем над этим активную работу. Ситуация с вычислительными мощностями она в везде не очень хорошая, а не только в России. На рынке графических чипов, необходимых для обучения нейросетей, есть фактический монополист — компания NVIDIA, и все в мире осознают это, как глобальную проблему. NVIDIA ушла так далеко вперед, что сейчас проще купить у них процессор, чем пытаться разрабатывать свой. Даже Google для своего последнего вычислительного кластера просто закупила у нее 26 тысяч графических карт, хотя у них есть свой специальный процессор для обучения нейросетей. Наличие такого монополиста не очень хорошо, но при этом надо понимать, сколько стоит разработка каких-то своих решений. Тут тоже есть варианты, что можно сделать, но это все средне- и долгосрочные перспективы. Пока же есть один путь — закупка графических карт и оптимизация алгоритмов. Нужно думать головой, а не просто механически увеличивать размер модели и объем железа необходимого для ее обучения. Пример с ChatGPT показал простую вещь. Можно не обучать модель на сто миллиардов параметров, а создать и обучить модель в несколько миллиардов параметров. Это сокращение сложности и требуемых для обучения мощностей и электроэнергии в десятки раз. При этом можно получить сравнимое качество модели за счет более оптимальных алгоритмов обучения и грамотно подобранных данных.

Если же говорить о промышленности, то ИИ можно использовать практически в любом технологически сложном производства, например, для контроля процесса сварки в режиме реального времени

Безусловные лидеры внедрения ИИ сейчас сервисы и сфера услуг. Почему ИИ-продукты так медленно внедряются в промышленность сельское хозяйство? Там же очевиден огромный потенциал для ИИ. Иван Оселедец: В сельском хозяйстве действительно очень большой потенциал для ИИ-решений, связанных с обработкой спутниковых снимков, анализом различных рисков и предиктивной аналитики на основе этих данных. Просто есть высокая инерция, которая тормозит внедрение, плюс такой аспект, как стоимость труда. В тех агрокомплексах, где она невысокая, нет мотивации для оптимизации производственных процессов. Имеется еще и «человеческий фактор». Специалисты в прикладных областях часто рассматривают датасайентистов как «персональных врагов», которые учат их тому, чем они занимаются много лет. не являясь специалистами в их области. Если же говорить о промышленности, то ИИ можно использовать практически в любом технологически сложном производства, например, для контроля процесса сварки в режиме реального времени. Причем это все можно делать уже на готовых технологиях, не разрабатывая и не обучая нейросеть с нуля.

Фото: Михаил Джапаридзе / ТАСС

Среди претензий, которые предъявляют к разработчикам нейросетей, есть такая, что они не могут объяснить, как нейросеть пришла именно такому ответу, а не к другому. Это проблема? Иван Оселедец: Да, это большая проблема и для нее пока нет каких-то хороших решений, даже для обычных моделей, которые распознают лица с точностью до 99,999%. Сейчас пытаются те же языковые модели, использовать для генерации объяснений, но какого-то вот разумного работающего подхода для повышения объяснимости работы моделей пока нет. Более того есть много примеров, когда можно злонамеренно модифицировать вход, модифицировать текст, модифицировать картинку и модель вообще начинает что-то другое предсказывать. Это одна из недавно открытых больших проблем. Но бизнес это не очень интересует, они говорят — вот у нас есть нейросеть с точностью работы 99,99% и больше нам ничего не нужно. Человек и то чаще ошибается, а почему эта модель работает хорошо нам неважно. Сейчас в целом доминирует бизнес-подход, когда компании готовы внедрять ИИ для экономической выгоды. Либо, если они боятся и переживают, что цена ошибки будет слишком высока, они не внедряют ИИ, а просто используют его как помощника, как например в медицине.

Модель сама придумывает себе задачки, сама их решает и все это работает, но не очень понятно как. Это требует на самом деле системного объяснения

А есть понимание барьера для развития ИИ если говорить о нейросетях? Иван Оселедец: Серьезного барьера пока не видно. Но, наверное, из тех задач, которые на данный момент считаются сложными, это те, где нужен не вероятностный, а один точный и правильный ответ и где нельзя выдавать правдоподобные версии. Усилия разработчиков фокусируются вот на таком классе задач. Сейчас требуют изучения некоторые методики. Когда модели дают 100 задач, а потом просят ее придумать задачи, похожие на те, которые ее давали. Затем модель дообучается уже на тех задачах, которые она придумала себе сама и ее качество при этом существенно улучшается. То есть, фактически никаких новых данных не дается, а модель сама придумывает себе задачки, сама их решает и все это работает, но не очень понятно как. Это требует на самом деле системного объяснения.

На что способен искусственный интеллект сегодня и каков его потенциал

Алгоритмы ИИ уже превосходят способности человека во многих сферах, где речь идет об обработке данных. Они способны брать на себя и «творческие» функции. Однако остается ряд нерешенных проблем, в том числе этических

Три типа искусственного интеллекта

На сегодняшний день искусственный интеллект ученые определяют, как алгоритмы, способные самообучаться, чтобы применять эти знания для достижения поставленных человеком целей. Системы машинного обучения (основной подраздел ИИ) автоматизировали процессы во всех жизненно важных областях, включая банкинг, ретейл, медицину, безопасность, промышленность. Выделяют три вида искусственного интеллекта: слабый (Narrow AI), сильный (AGI) и супер-ИИ (Super AI). Первый вид используются повсеместно (включая голосовых ассистентов, рекламу в соцсетях, распознавание лиц, поиск романтических партнеров в приложениях и так далее); эти системы слабого ИИ единственные доступные на сегодня. Сильный ИИ максимально приближен к способностям человеческого интеллекта и наделен по классическому определению Тьюринга самосознанием; по мнению экспертов, AGI сформируется примерно к 2075 году, а спустя еще 30 лет придет время для супер-ИИ. Супер-ИИ мог бы не просто стать подобным людям, но и превзойти лучшие умы человечества во всех областях, при этом перепрограммируя самого себя, продолжая совершенствоваться и, вероятно, разрабатывая новые системы и алгоритмы самостоятельно.

На что способен искусственный интеллект уже сейчас

Оценить динамику может каждый, кто пользуется автоматическими переводчиками. Еще лет пять назад Google Translate более-менее сносно справлялся с отдельными наборами фраз и предложениями, тогда как сегодня программа переводит большие смысловые блоки, нейросети учитывают контекст, оперируют огромными массивами статистических данных. Сейчас можно читать статьи на хинди, китайском, арабском, не зная языка. ИИ давно используется в финансовой сфере для оценки платежеспособности заемщика. Есть вам отказали в выдаче кредита на первом этапе ― вас отсеял именно искусственный интеллект. В США в некоторых штатах ИИ применяют в судебной системе для оценки продолжительности тюремных сроков для обвиняемых.

Алгоритмы помогают врачам ставить диагнозы. Например, «СберМедИИ» (входит в экосистему «Сбера») и Лаборатория по искусственному интеллекту Сбербанка совместно разработали приложение AI Resp: нейросеть анализирует голос пациента, дыхание и кашель, чтобы определить вероятность коронавирусной инфекции. Ранее Лаборатория по ИИ и «СберМедИИ» представили онлайн-сервис «КТ Легких», определяющий локализацию и степень поражения легких для диагностики вирусной пневмонии, в том числе COVID-19, по снимкам компьютерной томографии. Также при использовании этого сервиса ИИ позволяет выявлять онкологические заболевания на ранней стадии при анализе КТ грудной клетки и может помогать врачам при диагностике.

• GPT-3 из области естественной обработки языка (NLP), самая сложная и в то же время гибкая нейронная сеть, способная генерировать статьи почти по любой теме, которые на первый взгляд трудно отличить от созданных человеком.

• Нейросеть AlphaFold 2, ставшая прорывом в медицинской науке, способна определять трехмерную структуру белка с высокой точностью всего за несколько часов, в сравнении с традиционными методами.
• Алгоритмы AutoML (автоматизированное машинное обучение) сделали ИИ доступным малому и среднему бизнесу благодаря интеграции с облачными системами (например, MLSpace от SberCloud, Microsoft Azure или AutoML от Google). Используя среду разработки, предприятия могут написать свои алгоритмы, к примеру, для обработки обращений клиентов или улучшения прогнозирования спроса.

Искусственный интеллект превосходит людей по IQ и креативности: в викторинах он набирает на 40% больше баллов, по вопросам SAT (тест для оценки знаний абитуриентов США) — на 15% больше баллов, чем средний абитуриент колледжа.

Роль ИИ в экономике

PwC прогнозирует увеличение мирового ВВП на $15,7 трлн к 2030 году благодаря развитию искусственного интеллекта. К этому времени Китай станет ведущей мировой державой в сфере ИИ с увеличением ВВП на 26%, Северная Америка будет следующей с ростом ВВП на 14,5%, за ней последует рост на 11–12% в крупнейших экономиках Европы. Развивающиеся страны получат наименьшую выгоду, поэтому есть риск усиления цифрового неравенства.

Влияние пандемии на внедрение ИИ в бизнесе

Кризис только ускорил внедрение ИИ, и этот импульс сохранится в дальнейшем, показывают опросы: большинство компаний (52%) стали быстрее внедрять ИИ из-за пандемии, 86% респондентов утверждают, что ИИ становится «основной технологией» в их компании.

Почти три четверти бизнес-лидеров положительно оценивают роль ИИ после пандемии и сопутствующего кризиса. Большинство руководителей (74%) не только ожидают рост эффективности бизнес-процессов, но и создание новых бизнес-моделей (55%), новых продуктов и услуг (54%) — благодаря внедрению ИИ.

По мнению экспертов Оксфордского университета, к 2026 году ИИ напишет эссе, которое сойдет за написанное человеком, заменит водителей грузовиков к 2027 году и станет выполнять работу хирурга к 2053 году. Также ИИ превзойдет людей во всех задачах в течение 45 лет и автоматизирует все рабочие места в течение 120 лет.

Консалтинговая компания Accenture утверждает, что ИИ способен увеличить прибыль компаний в среднем на 38%. По словам экспертов и представителей бизнеса, ИИ помогает компаниям прогнозировать и выявлять проблемы, а также восполняет нехватку навыков сотрудников, хотя до построения бизнес-стратегии искусственным интеллектом еще далеко.

Большинство опрошенных компаний инвестируют в ИИ (90%) и согласны с тем, что данные технологии способствуют развитию бизнеса, выяснили MIT Sloan Management Review и BCG. Тем не менее, компании так и не научились извлекать из ИИ реальную выгоду. И это не единственный проблемный момент в сфере искусственного интеллекта.

Основные вызовы технологии ИИ

Бизнес-процессы

Чтобы компания извлекала прибыль, недостаточно вложить средства в алгоритм и получить первые успешные результаты после запуска пилотного проекта. Внедрение ИИ — это многоуровневый процесс, включающий культурные изменения в компании, найм и обучение специалистов по data science, автоматизацию и построение бизнес-процессов с учетом алгоритмов, и на этом весь список не заканчивается.

«Говоря о внедрениях, необходимо приложить усилия в пропорциях 10–20–70. То есть, примерно 10% усилий должно уйти на создание алгоритма, 20% на построение технологии и 70% на организацию бизнес-процессов. Компания должна быть на определенном уровне технологической зрелости для того, чтобы внедрение ИИ приносило пользу», — говорит Леонид Жуков, генеральный директор Института Искусственного Интеллекта AIRI, старший управляющий директор Лаборатории по искусственному интеллекту Сбербанка.

Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.

Такие гиганты как Alibaba, Amazon, Facebook, Google массово используют глубокие искусственные нейронные сети, например, Long-Short-Term Memory, чтобы предсказать спрос пользователей и дольше удерживать их на своих платформах, заставляя переходить по большему количеству рекламных объявлений.

Нехватка специалистов

ИИ развивается с высокой скоростью, и то, что называлось полгода назад state-of-the-art (высшим уровнем развития), сегодня может оказаться средней разработкой. Если раньше в сфере искусственного интеллекта была занята узкая прослойка специалистов, сейчас при таком огромном спросе попросту не хватает квалифицированных кадров, способных справиться с постоянно развивающейся технологией, отмечает Жуков.

Спрос на ИИ-специалистов вырос на 74% за 2016–2019 годы, сейчас две из пяти компаний, использующих ИИ на продвинутом уровне, отмечают острую нехватку специалистов, трудности с наймом также возглавляют список проблем в области ИИ.

Проблемы машинного обучения

Качество данных — второе по значимости препятствие для внедрения ИИ, после нехватки специалистов. Для успешных результатов алгоритмам необходимы качественные «вводные», включая размеченные и чистые данные. Неправильно заданные паттерны могут провоцировать систему делать ложные выводы: например, ошибочно сигнализировать о мошеннической транзакции, или осудить невиновного.

На качество влияет и степень предвзятости, или bias, включая гендерные и расовые предрассудки, которым может быть подвержен человек, работающий с алгоритмом.

Количество данных. Помимо качества, компьютеру все еще требуется большой объем данных и ресурсов для выполнения простейших задач. Отличать собак от кошек ИИ научится за три дня, задействуя 10 млн изображений и 16 000 компьютеров, в то время как ребенку хватило бы пары фотографий и нескольких минут. Если бы модель GPT-3 обучали читать и писать статьи не на суперкомпьютере, а на обычном ПК, весь процесс занял бы примерно 500 лет.

«На данный момент перед исследователями ИИ стоят несколько вызовов. Это умение искусственного интеллекта ставить перед собой новые задачи на основе имеющихся знаний; способность обучаться, не забывая полученные знания; и умение учиться разбивать цель на подцели. Преодоление этих проблем приблизит ученых к созданию таких машин, которые смогут лучше понимать человека и помогать достижению все более амбициозных целей», — отмечает Михаил Бурцев, директор по фундаментальным исследованиям Института Искусственного Интеллекта AIRI, заведующий Лабораторией нейронных систем и глубинного обучения МФТИ.

Применение в другом контексте. Хотя искусственный интеллект сегодня способен выполнять различные функции — от распознавания кошек и собак до предсказания поломок на нефтяных платформах, — это все еще узконаправленные задачи. ИИ пока что не умеет применять полученные навыки в непривычных условиях.

Влияние на климат

Проблема потребления энергии искусственным интеллектом напрямую связана с количеством ресурсов, задействованных в обработке данных. Обучение же одной NLP-модели (подобной GPT) требует столько же энергии, сколько автомобиль за весь его срок службы, и производит в пять раз больше CO₂.

Во всем мире центры обработки данных потребляют около 200 ТВт·ч электроэнергии в год — больше, чем некоторые страны. В то же время, есть и противоположный эффект — ИИ поможет снизить выбросы парниковых газов на 1,5–4% к 2030 году, согласно отчету Европейского парламента.

Использование ИИ в науке

Машинное обучение стало ключевым инструментом исследователей из разных областей, однако потенциал ИИ в науке еще предстоит раскрыть, отмечает Леонид Жуков. Стимулирование новых открытий с помощью ИИ актуально, например, в области создания новых материалов при помощи вычислений или в прогнозировании изменений климата для разработки стратегий повышения устойчивости к изменениям окружающей среды. Например, в рамках стремления к достижению углеродной нейтральности, ученые из группы поиска новых материалов Института AIRI совместно со Сбербанком разработали прототипы моделей, позволяющих оптимизировать контроль качества на производстве солнечных батарей.

В перспективе машинное обучение может активнее применяться для охраны дикой природы в малодоступных регионах и подсчете особей, понимания сложной органической химии и в исследовании темной материи.

Искусственный интеллект Что это такое и где он используется?

Почему искусственный интеллект (ИИ) никогда не сможет мыслить как человек, в чем различия между искусственным и естественным интеллектами, а также где ИИ сегодня находит себе применение? Ответы на эти и другие вопросы в нашем материале

В стретиться и пообщаться с искусственным интеллектом сегодня можно практически на каждом шагу. Системы, так или иначе связанные с ИИ, проникли во все сферы человеческой жизнедеятельности — в банки и магазины, в медицину и промышленность, транспорт и ретейл и даже вопросы, связанные с безопасностью, в какой-то момент оказались в компетенции искусственного интеллекта. Более того, алгоритмы ИИ, касающиеся обработки больших данных, демонстрируют значительный прогресс и даже успех по сравнению с потугами среднестатистического человека, занятого в той же области.

Что такое искусственный интеллект?

Искусственный интеллект — это способность алгоритмов или интеллектуальных систем обучаться, используя для этого приобретенный опыт, для достижения определенных заданных целей. Другими словами, носители искусственного интеллекта демонстрируют качества, характерные для существ, наделенных разумом.

На данный момент специалисты в области компьютерных систем выделяют три основных вида искусственного интеллекта: ограниченный или слабый (Narrow artificial intelligence), сильный (Artificial general intelligence) и супер искусственный интеллект (Super artificial intelligence).

Человечество, вернее ИИ, в данный момент находится на первом этапе — представители «слабого» искусственного интеллекта трудятся в качестве голосовых ассистентов, «вахтеров», распознающих лица и других областях, где применимы системы машинного обучения, как подвид ИИ. Например, всем хорошо известный онлайн-переводчик — тоже представитель слабого искусственного интеллекта.

Пришествие сильного искусственного интеллекта стоит ждать не раньше третьей четверти нынешнего века. Его отличительной чертой станет самосознание, поэтому своими интеллектуальными способностями он ничем не будет отличаться от возможностей человека. А вот супер-ИИ, появление которого ученые предсказывают уже в следующем веке, в интеллектуальном плане серьезно превзойдет человека, так как будет наделен способностью самосовершенствоваться и создавать параллельные алгоритмы.

Как все начиналось?

Идея «искусственного интеллекта» принадлежит отцу современной информатики, ученому, математику и криптографу Алану Тьюрингу. В 1935 году он сформулировал понятие ИИ, как вычислительная машина с огромным объёмом памяти и сканером, способная управлять этой самой памятью. Значительно позже (в 1950 году) он скорректировал определение интеллектуальной системы, заявив, что его характерной чертой станет отсутствие каких-либо отличий при общении от человека. Ужаснувшись от подобной перспективы, Алан Тьюринг тут же засел за разработку специального теста, позволяющего отличить машинный разум от человеческого. Через год, в 1951 году ученый и программист Кристофер Стрейчи разработал первую в мире программу, наделенную интеллектом, который даже позволил ей играть с человеком в шашки. В 1956 году, наконец, появилось определение «всему этому безобразию»: во время выступления на конференции по информатике в Университете Дартмута программист Джон МакКарти, известный тем, что на тот момент уже изобрел язык программирования Lisp, произнес термин artificial intelligence (то есть «искусственный интеллект»), который тут же вошел в обиход и общественный лексикон. В 1965 году в лабораториях Массачусетского технологического университета родился прообраз современной Siri — компьютерная программа «Элиза», которая представляла собой виртуального собеседника, наделенного техникой «активного слушания». Создатель программы ученый Джозеф Вайценбаум назвал программу в честь героини пьесы «Пигмалион» Элизы Дулитл. Принцип работы Элизы заключался в том, что программа с помощью синтаксического анализатора выделяла в во фразах собеседника ключевые слова и вставляла их в речевые шаблоны (по сути занималась тем, что перефразировала реплики пользователя).

Начало 70-х ознаменовалось изобретением первого в мире транспортного средства, управляемого компьютером. Это была так называемая «Стэнфордская тележка», обязанная своим рождением Стэнфордскому университету и математику Джону Маккарти. Каждое колесо тележки было оборудовано независимым электроприводом, кроме того, «транспортное средство» имело дальномер, камеру и навигационную систему. В движение тележка приводилась с помощью компьютерного кода, передаваемого оператором через телетайп.

Следующий скачок в развитии искусственного интеллекта пришелся на 90-е годы. Апофеозом этого этапа стал шахматный турнир между суперкомпьютером IBM Deep Blue и чемпионом мира Гарри Каспаровым в 1997 году, в ходе которого матч из шести партий остался за компьютером. Однако турниру предшествовала долгая работа специалистов компании IBM и эволюция программы от машины Chiptest, промежуточную стадию Deep Thought до гроссмейстерского цифрового гения Deep Blue.

В чем отличие ИИ от нейросетей

Если использовать метафору, то искусственный интеллект — это айсберг, а нейросети и машинное обучение — это та его часть, которая находится над водой и видна окружающим. По сути нейросети — это алгоритм, математическая модель, которая приводится в действие искусственно созданными нейронами. При этом работа алгоритма нейросети не требует предварительного программирования, она основана на способности модели обучаться на полученном опыте и самостоятельно производить определенные вычисления. Машинное обучение так же, как и нейросети, стало одним из проявлений искусственного интеллекта. Оно представляет собой технологию, которая позволяет системе анализировать полученные данные, выводить на их основе определенные закономерности и впоследствии решать имеющиеся проблемы с чудовищной нечеловеческой точностью. Таким образом, мы отчасти возвращаемся к началу статью с определениями, расширяя имеющееся понятие. Итак, искусственный интеллект — это свойство компьютерной системы, позволяющее, подобно человеческому мозгу, реализовывать сложные задачи. Выполнение, реализация этих задач осуществляется с помощью разного рода инструментов, математических алгоритмов, которыми в том числе являются нейросети и машинной обучение.

Чем ИИ отличается от естественного

Подвергать сравнению естественный и искусственный интеллекты не совсем корректно, хотя оба имеют целый ряд общих параметров. Например, оба работают на основе определенных алгоритмов. Далее, аналитические способности разума человека и компьютерной системы зиждутся на четырех основных «столпах» — кодирование и хранение информации, анализ полученных данных и выдача на его основе определенного резюме. Искусственный и человеческий интеллект обладают способностью к обучению, в результате чего могут решать или принимать те или иные вызовы, которые ставит перед ними действительность.

Но при этом разум человека склонен к рефлексии, на него оказывает большое влияние эмоциональная составляющая. Кроме того, еще одним сильным фактором, довлеющим над естественным интеллектом, является социум, мнение окружающих. Искусственный интеллект в силу своего «происхождения» все человеческое чуждо, он лишен всех этих «сантиментов». Для анализа способностей ИИ есть специальный тест, названный в честь Алана Тьюринга. Он позволяет определить, насколько успешно идет «очеловечивание» искусственного интеллекта. Обратного теста пока не существует — этим, возможно, займется супер-ИИ после своего появления.

Где применяется ИИ

Искусственный интеллект уже сейчас нашел применение во многих сферах человеческой жизнедеятельности. Например, он мониторит дорожную ситуацию, выявляя пробки, нарушения ПДД, а также разгружая трафик и перенаправляя потоки машин по менее загруженным маршрутам. Кроме того, по сравнению со «Стэнфордской тележкой» за прошедшие десятилетия значительно выросли возможности ИИ в области беспилотного управления транспортными средствами.

Однако самое удачное попадание случилось в сфере обработки Big Data. Способности ИИ анализировать потоки данных и выявлять определенные закономерности нашли активное применение в различных коммерческих проектах для исследования поведения потребителей. Алгоритмы ИИ могут анализировать платёжеспособность клиентов банков для выявления потенциальных злостных неплательщиков. Искусственный интеллект применяется в медицине для первоначального диагностирования различных заболеваний на основе определенных исследований (например, по снимкам томографии ИИ может определить вирусную пневмонию). В разгар коронавируса программы по телефону анализировали такие параметры, как голос и дыхание пациента, наличие кашля для выявления признаков инфекции. Есть программы, которые обрабатывают неограниченное объемы информации, изображений и других данных. Пишут статьи, делают переводы и многое другое. Голосовые помощники такие, как Siri или Алиса, облегчают навигацию пользователей и оптимизируют множество других процессов.

Заключение

Еще несколько лет назад, в 1997 году искусственный интеллект был эксклюзивным и штучным, доступным только чемпионам вроде Каспарова для совместных турниров. С развитием техники ИИ в том или ином виде уже появляется в компьютерах и смартфонах обычных пользователей, не имеющих шахматных титулов или навыков программистов. Сейчас «слабый» искусственный интеллект выступает в качестве помощника и ассистента, однако прогресс неумолим и чем обернется для человечества интеллектуальный рост ИИ до ступени «супер», точно сказать никто не может. Однако многие эксперты (в том числе Илон Маск) предостерегают человечество, считая, что искусственный интеллект может оказаться проблемой страшнее атомной войны.

Что такое «хорошо» и что такое «плохо» Этические подходы к ИИ – с Востока, Запада и изнутри

Искусственный интеллект быстро перешел из фантастики дальнего прицела в фантастику ближнего, а оттуда незаметно перекочевал в новости сегодняшнего дня. Даже если вы игнорируете его существование, он не станет игнорировать ваше. И как всякое явление, взаимодействующее с человечеством, ИИ начал рассматриваться в поле этических смыслов

Применение искусственного интеллекта

Нейросети умеют многое: угадывать расу по рентгеновскому снимку, находить ямы на дорогах, создавать обложки для VK, рисовать города в виде людей и зверей. Технологии на базе искусственного интеллекта постепенно захватывают все сферы жизни и меняют привычную реальность. Однако в этой статье мы не станем забегать в далёкое будущее: лучше посмотрим, какие задачи в работе и бизнесе можно решать с помощью AI-технологий прямо сейчас.

Видеозвонки в SberJazz
Общайтесь с друзьями и близкими где бы вы ни были
Попробовать сейчас

Три вида AI

Возможности искусственного интеллекта зависят от алгоритма его работы. Выделяют следующие виды ИИ:

• узкий , или слабый (Weak Artificial Intelligence, Narrow AI);
• сильный (Artificial general intelligence, Strong AI)
• супер-ИИ (Super Artificial Intelligence).

Narrow AI — это узкоспециализированный ИИ, с помощью которого решают конкретные прикладные задачи. Примеры применения Narrow AI:

• онлайн-переводы,
• реклама в соцсетях,
• распознавание лиц,
• поиск данных,
• игра в шахматы,
• голосовые автоответчики.

Strong AI — это вид искусственного интеллекта, который способен решать широкий спектр задач наравне с человеческим разумом. По определению Тьюринга, Strong AI должен обладать самоосознанием, и в таком виде ИИ появится лишь к 2075 году. Однако уже сегодня есть технологии с потенциалом, превосходящим уровень Narrow AI. Поэтому можно сказать, что Strong AI сейчас находится на начальной стадии развития и достигнет расцвета в перспективе 50 лет.

Примеры применения Strong AI в наше время:

• виртуальные ассистенты,
• создание музыки, текстов, изображений,
• управление беспилотными автомобилями,
• технологии Big Data — обработка и анализ больших объёмов данных.

Super Artificial Intelligence — это искусственный интеллект с самоосознанием, способностью самосовершенствования и создания новых алгоритмов. Аналитики прогнозируют появление данной технологии в 2100-х годах. Super AI во много раз превзойдёт возможности человеческого мышления и сможет перепрограммировать сам себя.

Преимущества ИИ любого вида — высокая скорость обработки информации и исключение ошибок из-за человеческого фактора. Это позволяет снижать издержки бизнеса, разгружать персонал и оптимизировать процессы в разных областях.

Области применения ИИ

Искусственный интеллект защищает нас от преступников и ДТП, помогает быстрее получить кредит, следит за нашим здоровьем и облегчает быт.

Банковские услуги

Кредитные организации используют искусственный интеллект для скоринга — оценки платёжеспособности клиентов при рассмотрении заявок на кредит. Как это работает:

• нейросеть изучает анкету заёмщика,
• сопоставляет данные с требованиями банка,
• анализирует риск невозврата средств,
• выдаёт решение об одобрении или отклонении заявки.

Благодаря внедрению ИИ удалось значительно уменьшить время рассмотрения кредитных заявлений. Теперь от отправки анкеты в банк до получения ответа проходит несколько минут.

Также AI-технологии нашли применение в обслуживании банкоматов: искусственный интеллект прогнозирует загрузку терминалов и уменьшает расходы на инкассацию. Системы антифрода на базе ИИ помогают банкам бороться с мошенничеством. ИИ анализирует деятельность физических лиц и компаний, чтобы распознать финансовые махинации. СберБанк использует комплекс собственных AI-моделей для повышения безопасности транзакций: онлайн-переводов, эквайринга, операций по картам. Применение искусственного интеллекта помогает выявлять попытки мошенничества на сумму до 7 млрд рублей в год. При этом нейросеть умеет отличать бытовые ситуации, когда ребёнок без разрешения потратил деньги с маминой карты, от действий профессиональных мошенников.

Безопасность

Интеллектуальные системы следят за порядком на улицах и массовых мероприятиях. ИИ собирает данные с камер и датчиков движения, прогнозирует возникновение опасных ситуаций и вовремя уведомляет службы.

Мосгортранс использует нейросети для снижения аварийности на общественном транспорте. По статистике, 70% ДТП происходит из-за потери внимания водителем. Применение искусственного интеллекта позволило снизить показатель аварийности на 26%. Такой эффект достигнут за счёт внедрения в автобусах и троллейбусах систем с компьютерным зрением. Алгоритм анализирует видеопоток, в случае опасности подаёт звуковой сигнал водителю, а также отправляет информацию об инциденте в общую базу для дальнейшей работы над ошибками.

AI-технологии применяются и в сфере пожарной безопасности. Например, МЧС в 2020 году запустило мобильное приложение «Термические точки», разработанное с применением машинного обучения и Big Data. Алгоритмы ИИ анализируют природные зоны повышенной пожароопасности и оценивают вероятность возгорания. При высоком риске система моментально отправляет сообщение в региональные органы, ответственные за тушение. Каждый пользователь приложения может узнать об опасности и принять участие в ликвидации пожара. Результат внедрения ИИ — увеличение скорости реагирования на лесные пожары в три раза.

Медицина

Искусственный интеллект широко используется в диагностике. Например, по результатам томографии ИИ может выявить вирусную пневмонию, а во время пандемии AI-алгоритмы по телефону анализировали голос и дыхание собеседника, чтобы определить признаки инфекции.

В хирургии используют роботов-ассистентов, которые с ювелирной точностью выполняют типовые процедуры, что снижает риск послеоперационных осложнений.

Искусственный интеллект способен подобрать оптимальную дозировку препаратов, детально проанализировать клинические данные и предложить лечение с учётом состояния пациента и особенностей его организма.

Умный дом

Казалось бы, сегодня практически каждое устройство имеет «разум». Однако несмотря на впечатляющую функциональность, современные смарт-весы, роботы-пылесосы и энергоэффективные розетки не относятся к AI-технологиям. Тренд на использование полноценного ИИ в умном доме только набирает обороты, особенно в России.

Примеры применения искусственного интеллекта:

• управление климатической техникой: умные термостаты самостоятельно регулируют температуру в помещении, изучая предпочтения жильцов и их поведение;
• интеллектуальные системы безопасности: ИИ реагирует на отклонение от нормального уровня шума, включая ультра- и инфразвуковой диапазоны;
• обеспечение компьютерной безопасности: система улавливает отклонения трафика или действий пользователя от нормы, чтобы определить попытку взлома.

Применение в работе и бизнесе

Голосовые технологии

Умные алгоритмы используются в речевых сервисах. Пример российской технологии — платформа сервисов распознавания и синтеза речи SaluteSpeech. Голосовые помощники SaluteSpeech звучат как живой человек, определяют эмоции и точно понимают фразы собеседника.

Варианты применения голосовых технологий в бизнесе:

• автоматизация кол-центра: голосовые помощники позвонят клиентам, предложат услуги, расскажут об акции, проведут опрос, запишут на приём и напомнят о записи;
• повышение качества обслуживания: сервисы речевой аналитики оценят работу оператора и уровень удовлетворённости клиента;
• озвучивание интерфейсов: можно превратить любой текст в аудио — например, озвучить меню приложения или описание товара на сайте;
• автоматизация телефонии: вместо того чтобы ждать на линии ответа оператора, ваши клиенты смогут узнать информацию у голосового робота;
• транскрибация: сервисы распознавания речи переводят аудио в текст, что удобно для расшифровки переговоров, создания презентаций на основе выступлений, разработки методичек и инструкций для персонала.

Сервисы SaluteSpeech решают задачи маркетинга. На базе AI-технологий можно создать узнаваемый голос бренда, который будет звучать в рекламе, промороликах, на автоответчике вашей компании.