Искусственный интеллект (ИИ)
Artificial intelligence (AI)

Продукт
Технологии: Робототехника

Содержание

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) — наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

AI – комплекс родственных технологий и процессов, развивающихся качественно и стремительно, например:

Это помогает выстроить качественно новый клиентский опыт и процесс взаимодействия.

Определения ИИ

Интеллект (от лат. intellectus — ощущение, восприятие, разумение, понимание, понятие, рассудок), или ум — качество психики, состоящее из способности приспосабливаться к новым ситуациям, способности к обучению и запоминанию на основе опыта, пониманию и применению абстрактных концепций и использованию своих знаний для управления окружающей средой. Интеллект — это общая способность к познанию и решению трудностей, которая объединяет все познавательные способности человека: ощущение, восприятие, память, представление, мышление, воображение.

В начале 80-х гг. ученые в области теории вычислений Барр и Файгенбаум предложили следующее определение ИИ. Искусственный интеллект — это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, то есть систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, — понимание языка, обучение, способность рассуждать, решать проблемы и т. д.

Сейчас к ИИ относят ряд алгоритмов и программных систем, отличительным свойством которых является то, что они могут решать некоторые задачи так, как это делал бы размышляющий над их решением человек.

Основные свойства ИИ — это понимание языка, обучение и способность мыслить и, что немаловажно, действовать.

В связи с эволюцией понятия ИИ необходимо также упомянуть о так называемом AI Effect (эффект ИИ). Эффект ИИ происходит, когда наблюдатели девальвируют значимость демонстрации навыки ИИ каждый раз, когда он реально достигает немыслимого ранее результата. Так, автор Памела МакКордак (Pamela McCorduck) пишет, что часть истории области искусственного интеллекта состоит в том, что каждый раз, когда кто-то придумывает, как научить компьютер делать что-то хорошо — играть в шашки, решать простые, но относительно неформализованные проблемы — доносится хор критиков, что это не доказательство мышления и не ИИ. Еще более емко этот эффект описан информатиком Ларри Теслером, дистиллировавшись в емкую теорему Теслера: «ИИ — это все, что не сделано до сих пор».

С конца 40-х годов исследования в области моделирования процесса мышления разделились на два независимых подхода: нейрокибернетический и логический.

  • Нейрокибернетический подход относится к восходящему типу (англ. Bottom-Up AI) и предполагает путь изучения биологического аспекта нейронных сетей и эволюционных вычислений.
  • Логический подход относится к нисходящему типу (англ. Top-Down AI) и означает создание экспертных систем, баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д[1].

История развития

Искусственный интеллект имеет довольно обширную историю, которая берет свое начало с работ Тьюринга, датированных серединой 20 века. Хотя концептуальные предпосылки появились еще ранее, в Средние века, когда Рене Декарт предположил, что животное — некий сложный механизм, тем самым сформулировав механистическую теорию. В 1830-х годах английский математик Чарльз Бэббидж придумал концепцию сложного цифрового калькулятора — аналитической машины, которая, как утверждал разработчик, могла бы рассчитывать ходы для игры в шахматы. А уже в 1914 году директор одного из испанских технических институтов Леонардо Торрес Кеведо изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили почти так же хорошо, как и человек.


История искусственного интеллекта как нового научного направления начинается в середине XX века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений — теории алгоритмов — и были созданы первые компьютеры.


Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе закрался вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг, пишет статью под названием «Может ли машина мыслить?», в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга.


В 1954 году американский исследователь Ньюэлл решил написать программу для игры в шахматы. К работе были привлечены аналитики корпорации RAND Corporation. В качестве теоретической основы программы был использован метод, предложенный основателем теории информации Шенноном, а его точная формализация была выполнена Тьюрингом.

С середины 30-х годов прошлого столетия, с момента публикации работ Тьюринга, в которых обсуждались проблемы создания устройств, способных самостоятельно решать различные сложные задачи, к проблеме искусственного интеллекта в мировом научном сообществе стали относиться внимательно. Тьюринг предложил считать интеллектуальной такую машину, которую испытатель в процессе общения с ней не сможет отличить от человека. Тогда же появился термин Baby Machine — концепция, предполагающая обучение искусственного разума на манер маленького ребенка, а не создание сразу «умного взрослого» робота.

Летом 1956 года в Университете Дартмута в США прошла первая рабочая конференция с участием таких ученых, как Маккарти, Минский, Шеннон, Тьюринг и другие, которые впоследствии были названы основателями сферы искусственного разума. В течение 6 недель ученые обсуждали возможности реализации проектов в сфере искусственного интеллекта. Именно тогда и появился сам термин artificialintelligence— искусственный интеллект. И именно после этой летней встречи пришло и «первое лето» в развитии проектов, связанных с этой областью.

Как видно, после знаменитой конференции в Дартмуте искусственный интеллект получил впечатляющее развитие. Были созданы машины, которые могли решать математические проблемы, обыгрывать в шахматы, и даже первый прообраз чат-бота, который мог разговаривать с людьми, вводя их в заблуждение по поводу своей осознанности.

Все эти значительные шаги вперед в сфере машинного интеллекта произошли вследствие серьезного финансирования подобных инициатив со стороны военных исследовательских организаций и, в частности, Defence Advanced Research Projects Agency (DARPA), которая была создана как шоковая реакция на запуск первого спутника Советским Союзом.

Последний и текущий всплеск интереса к ИИ произошел в середине 90-х гг. В 1997 году компьютер IBM под названием Deep Blue стал первым компьютером, который победил чемпиона мира по шахматам Гарри Каспарова. В 2011 году система вопросов и ответов Watson той же компании победила бессменных чемпионов последних лет в игре Jeopardy! (российский аналог программы «Своя игра»).

Хотя эта часть новейшей истории сильно похожа на то, что происходило еще 50 лет назад, тем не менее развитие искусственного интеллекта в современную эпоху происходит в принципиально других условиях.

Усложнение систем связи и решаемых задач требует качественно нового уровня «интеллектуальности» обеспечивающих программных систем, таких как защита от несанкционированного доступа, информационная безопасность ресурсов, защита от нападений, смысловой анализ и поиск информации в сетях и т. п. С другой стороны, глобализация экономической жизни поднимает конкуренцию на принципиально иной уровень, где требуются мощные системы управления предприятием и ресурсами, аналитики и прогнозирования, а также радикальное повышение эффективности труда. Третий этап после зимы характеризуется также наличием крупнейшего открытого источника персональных данных и кликстрима в виде Интернета и социальных сетей. Ну и, наконец, исчезает ключевой исторический стоп-фактор развития искусственного интеллекта — мощнейшие вычислительные системы, которые отныне можно строить как на дешевых серверных мощностях, так и в крупнейших облачных платформах в режиме pay-as-you-go.

Все это оправдывает оптимизм вовлеченных людей по поводу 3-й фазы роста искусственного интеллекта. Пессимизм некоторых экспертов относительно того, что направление исследований области вновь чрезмерно раздувается, легко оппонировать тем, что сейчас разработки исследователей вышли далеко за пределы лабораторий и прототипов и продолжают интенсивно проникать практически во все сферы жизни человека, начиная от автономных газонокосилок и пылесосов, оснащенных огромным количеством современных датчиков, и заканчивая умными и обучающимися мобильными ассистентами, которыми пользуются сотни миллионов людей.

Скепсис и алармизм на этом этапе даже скорее направлены в сторону чрезмерного развития и самостоятельности искусственного интеллекта и замены им собственно самих людей, которые уже сейчас уступают машинам в аспекте скоростей и физическом доступе к огромному пласту данных.

Развитие в СССР и России

Коллежский советник Семён Николаевич Корсаков (1787—1853) ставил задачу усиления возможностей разума посредством разработки научных методов и устройств, перекликающуюся с современной концепцией искусственного интеллекта, как усилителя естественного. В 1832 году С. Н. Корсаков опубликовал описание пяти изобретённых им механических устройств, так называемых «интеллектуальных машин», для частичной механизации умственной деятельности в задачах поиска, сравнения и классификации. В конструкции своих машин Корсаков впервые в истории информатики применил перфорированные карты, игравшие у него своего рода роль баз знаний, а сами машины по существу являлись предтечами экспертных систем.

В СССР работы в области искусственного интеллекта начались в 1960-х годах. В Московском университете и Академии наук был выполнен ряд пионерских исследований, возглавленных Вениамином Пушкиным и Д. А. Поспеловым.

В 1964 году была опубликована работа ленинградского логика Сергея Маслова «Обратный метод установления выводимости в классическом исчислении предикатов», в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов.

В 1966 году В. Ф. Турчиным был разработан язык рекурсивных функций Рефал.

До 1970-х годов в СССР все исследования ИИ велись в рамках кибернетики. По мнению Д. А. Поспелова, науки «информатика» и «кибернетика» были в это время смешаны, по причине ряда академических споров. Только в конце 1970-х в СССР начинают говорить о научном направлении «искусственный интеллект» как разделе информатики. При этом родилась и сама информатика, подчинив себе прародительницу «кибернетику». В конце 1970-х создаётся толковый словарь по искусственному интеллекту, трёхтомный справочник по искусственному интеллекту и энциклопедический словарь по информатике, в котором разделы «Кибернетика» и «Искусственный интеллект» входят наряду с другими разделами в состав информатики.

Термин «информатика» в 1980-е годы получает широкое распространение, а термин «кибернетика» постепенно исчезает из обращения, сохранившись лишь в названиях тех институтов, которые возникли в эпоху «кибернетического бума» конца 1950-х — начала 1960-х годов. Такой взгляд на искусственный интеллект, кибернетику и информатику разделяется не всеми. Это связано с тем, что на Западе границы данных наук несколько отличаются.

Подходы и направления

Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.

В философии не решён вопрос о природе и статусе человеческого интеллекта. Нет и точного критерия достижения компьютерами «разумности», хотя на заре искусственного интеллекта был предложен ряд гипотез, например, тест Тьюринга или гипотеза Ньюэлла — Саймона. Поэтому, несмотря на наличие множества подходов как к пониманию задач ИИ, так и созданию интеллектуальных информационных систем, можно выделить два основных подхода к разработке ИИ:

  • нисходящий (англ. Top-Down AI), семиотический — создание экспертных систем, баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д.;
  • восходящий (англ. Bottom-Up AI), биологический — изучение нейронных сетей и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как нейрокомпьютер или биокомпьютер.
  • Последний подход, строго говоря, не относится к науке о ИИ в смысле, данном Джоном Маккарти, — их объединяет только общая конечная цель.

Тест Тьюринга и интуитивный подход

Эмпирический тест был предложен Аланом Тьюрингом в статье «Вычислительные машины и разум» (англ. Computing Machinery and Intelligence), опубликованной в 1950 году в философском журнале «Mind». Целью данного теста является определение возможности искусственного мышления, близкого к человеческому.

Стандартная интерпретация этого теста звучит следующим образом: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор». Все участники теста не видят друг друга.

Самый общий подход предполагает, что ИИ будет способен проявлять поведение, не отличающееся от человеческого, причём в нормальных ситуациях. Эта идея является обобщением подхода теста Тьюринга, который утверждает, что машина станет разумной тогда, когда будет способна поддерживать разговор с обычным человеком, и тот не сможет понять, что говорит с машиной (разговор идёт по переписке).

Писатели-фантасты часто предлагают ещё один подход: ИИ возникнет тогда, когда машина будет способна чувствовать и творить. Так, хозяин Эндрю Мартина из «Двухсотлетнего человека» начинает относиться к нему как к человеку, когда тот создаёт игрушку по собственному проекту. А Дейта из «Звёздного пути», будучи способным к коммуникации и научению, мечтает обрести эмоции и интуицию.

Однако последний подход вряд ли выдерживает критику при более детальном рассмотрении. К примеру, несложно создать механизм, который будет оценивать некоторые параметры внешней или внутренней среды и реагировать на их неблагоприятные значения. Про такую систему можно сказать, что у неё есть чувства («боль» — реакция на срабатывание датчика удара, «голод» — реакция на низкий заряд аккумулятора, и т. п.). А кластеры, создаваемые картами Кохонена, и многие другие продукты «интеллектуальных» систем можно рассматривать как вид творчества.

Символьный подход

Исторически символьный подход был первым в эпоху цифровых машин, так как именно после создания Лисп, первого языка символьных вычислений, у его автора возникла уверенность в возможности практически приступить к реализации этими средствами интеллекта. Символьный подход позволяет оперировать слабоформализованными представлениями и их смыслами.

Успешность и эффективность решения новых задач зависит от умения выделять только существенную информацию, что требует гибкости в методах абстрагирования. Тогда как обычная программа устанавливает один свой способ интерпретации данных, из-за чего её работа и выглядит предвзятой и чисто механической. Интеллектуальную задачу в этом случае решает только человек, аналитик или программист, не умея доверить этого машине. В результате создается единственная модель абстрагирования, система конструктивных сущностей и алгоритмов. А гибкость и универсальность выливается в значительные затраты ресурсов для не типичных задач, то есть система от интеллекта возвращается к грубой силе.

Основная особенность символьных вычислений — создание новых правил в процессе выполнения программы. Тогда как возможности не интеллектуальных систем завершаются как раз перед способностью хотя бы обозначать вновь возникающие трудности. Тем более эти трудности не решаются и наконец компьютер не совершенствует такие способности самостоятельно.

Недостатком символьного подхода является то, что такие открытые возможности воспринимаются не подготовленными людьми как отсутствие инструментов. Эту, скорее культурную проблему, отчасти решает логическое программирование.

Логический подход

Логический подход к созданию систем искусственного интеллекта основан на моделировании рассуждений. Теоретической основой служит логика.

Логический подход может быть проиллюстрирован применением для этих целей языка и системы логического программирования Пролог. Программы, записанные на языке Пролог, представляют наборы фактов и правил логического вывода без жесткого задания алгоритма как последовательности действий, приводящих к необходимому результату.

Агентно-ориентированный подход

Последний подход, развиваемый с начала 1990-х годов, называется агентно-ориентированным подходом, или подходом, основанным на использовании интеллектуальных (рациональных) агентов. Согласно этому подходу, интеллект — это вычислительная часть (грубо говоря, планирование) способности достигать поставленных перед интеллектуальной машиной целей. Сама такая машина будет интеллектуальным агентом, воспринимающим окружающий его мир с помощью датчиков, и способной воздействовать на объекты в окружающей среде с помощью исполнительных механизмов.

Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно тщательнее изучаются алгоритмы поиска пути и принятия решений.

Гибридный подход

Гибридный подход предполагает, что только синергетическая комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей. Например, экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения. Сторонники данного подхода считают, что гибридные информационные системы будут значительно более сильными, чем сумма различных концепций по отдельности.

Рынок и инвестиции в проекты искусственного интеллекта

2017

Gartner: ИИ проникнет практически во все программные продукты и сервисы

В июле компания Gartner опубликовала свой прогноз относительно применения технологий искусственного интеллекта (ИИ) и машинного обучения, согласно которому к 2020 году данные технологии будут присутствовать практически во всех новых программных продуктах и сервисах. Также специалисты полагают, что к этому времени ИИ станет частью стратегии цифровой трансформации и окажется приоритетом для инвестиций почти для трети компаний.[2]

При этом аналитики отмечают, что несмотря на все опасения, которые вызывает у людей ИИ, связанные, в частности, с угрозой потери рабочих мест, он все же быстро проникает во все сферы человеческой деятельности. По мнению экспертов, технологии машинного обучения могут и уже существенно дополняют человеческие возможности.

«ИИ открывает большие возможности, но вместо того, чтобы понять его ценность, выявить потребности, разработать потенциальные сценарии использования, большинство компаний устремились создавать и продвигать новые продукты, чтобы заработать на волне интереса к нему», — заявил вице-президент по исследованиям Gartner Джим Хэар.

При этом, как подчеркнули в Gartner, облачные и мобильные технологии по-прежнему остаются драйверами роста ИТ-расходов, несмотря на то, что основное внимание приковано к таким технологиям, как VR и ИИ. Аналитики Gartner прогнозируют, что рынок корпоративного ПО будет расти высокими темпами относительно других сегментов ИТ-отрасли. Так, если в 2016 году продажи ПО увеличились на 5,3% (до $326 млрд), то в 2017-2018 гг. ожидается рост на 7,6% и 8,6% — до $351 и $381 млрд соответственно. Растущие продажи ПО исследователи объясняют сохраняющимися инвестициями компаний в аналитику, ИИ, средства работы с большими данными и SaaS-решения.

PwC: ИИ увеличит глобальный ВВП на $15,7 трлн

Согласно результатам исследования PwC «Искусственный интеллект: не упустить выгоду», в 2030 году глобальный ВВП вырастет на 14 %, или на 15,7 триллиона долларов США, в связи с активным использованием искусственного интеллекта. На основании детального анализа влияния технологий с использованием искусственного интеллекта (ИИ) на бизнес авторы отчета представляют обзор экономик, имеющих предпосылки к извлечению максимальной выгоды из ИИ.

Эксперты PwC подсчитали, что более половины прироста будет обусловлено повышением производительности труда в период 2016-2030 гг. Остальная прибыль будет получена за счет увеличения потребительского спроса вследствие совершенствования товаров посредством ИИ. Наибольшую экономическую выгоду из ИИ смогут извлечь Китай (прирост ВВП в 2030 году +26 %) и страны Северной Америки (+14,5 %), или 10,7 триллиона долларов США — почти 70 % прироста мирового ВВП.

  • Поначалу в странах Северной Америки темпы роста производительности превысят таковые в Китае, поскольку в этих странах выше уровень готовности к внедрению ИИ и больше доля рабочих мест, которые можно автоматизировать.
  • Однако через 10 лет, после несколько более медленного наращивания необходимой технологической и экспертной базы, Китай опередит США по темпам увеличения объемов производительности за счет внедрения ИИ.
  • Страны Европы и развитые страны Азии также получат от внедрения ИИ существенные экономические выгоды (9-12 % ВВП в 2030 году).
  • В развивающихся странах будет наблюдаться более скромный прирост ВВП от внедрения ИИ (менее 6 %) вследствие прогнозируемого значительно менее интенсивного распространения технологий с использованием ИИ (включая страны Латинской Америки и Африки).

Salesforce: Внедрение ИИ увеличит выручку мирового бизнеса на 1,1 трлн. долл.

Согласно результатам исследования, проведенного IDC по заказу Salesforce, к 2021 г. искусственный интеллект (ИИ) позволит бизнесу получить дополнительную выручку в размере 1,1 трлн. долл. Это станет возможным благодаря внедрению алгоритмов ИИ в системы управления взаимоотношениями с клиентами (CRM). Доходы коммерческих структур вырастут за счет увеличения производительности труда и сокращения расходов на автоматизацию производственных процессов. Каждый из названных факторов увеличит выручку бизнеса на 121 и 265 млрд. долл. соответственно[3].

По оценкам IDC, ИИ прямо повлияет на создание более 800 тыс. рабочих мест и еще на 2 млн. косвенно. Эксперты отмечают, что этот показатель компенсирует потери вакансий, которые могли возникнуть из-за внедрения ИИ. Ожидается, что будущий год будет ключевым для адаптации технологий ИИ — почти половина (40%) из числа принявших участие в исследовании организаций заявила о готовности внедрять их в ближайшие два года. В частности, почти четверть из их числа будут адаптировать технологии машинного обучения, текстовый анализ — 27%, голосовое распознавание — 30%, продвинутый числовой анализ — 31%.

IDC полагает, что общемировые расходы на когнитивные/ИИ-системы, включающие в себя аппаратное и программное обеспечение, а также соответствующие услуги, увеличатся с 8 млрд. долл. в 2016 г., до 46 млрд. долл. в 2020 г. В наибольшем выигрыше от внедрения ИИ за рассматриваемый период окажутся США (596 млрд. долл.). Следом разместятся Япония (91 млрд.), Германия (62 млрд.), Великобритания (55 млрд.) и Франция (50 млрд.).

Исследование SAP - ИИ в России 2007-2017 гг

Весной 2017 года компания SAP провела исследование[4] в области разработки проектов с использованием искусственного интеллекта в России. С 2007 года и по 2017 год в России государственные и бизнес-структуры профинансировали 1386 научных проектов, посвященных искусственному интеллекту. Большая часть проектов (1229) являются некоммерческими – они проводятся в рамках федеральных целевых программ или оплачиваются различными фондами. Это демонстрирует, что российский бизнес пока что в меньшей степени заинтересован в разработке и использовании искусственного интеллекта в своих проектах.

За десять лет на исследования и разработки в области искусственного интеллекта было выделено около 23 млрд. рублей. Объёмы госфинансирования уступают другим странам – например, в США ежегодно из госбюджета выделяется около 200 млн. долларов на исследования в области искусственного интеллекта. Стоит также отметить, что уровень финансирования в России является невысоким с учётом количества проектов и общего числа задействованных научных сотрудников (от 6 до 10 тысяч человек).

Лидеры по объёму государственного финансирования – проекты для госсектора, транспортной отрасли, обороны и безопасности. Это свидетельствует, что в России прежде всего поддерживают проекты, где ожидаются результаты с быстрым применением на практике. Например, анализ данных и различные системы распознавания помогают оптимизировать логистические и транспортные проблемы. Текущие геополитические задачи также определяют острую потребность в интеллектуальных системах для модернизации оборонно-промышленного комплекса. Тематическими лидерами по вложениям со стороны государства являются проекты по анализу данных, системы поддержки принятия решений и распознавания изображений и видео (последняя тема востребована и в коммерческих проектах).

В России существуют несколько ВУЗов, научных и коммерческих организаций, которые являются лидерами по числу проектов и финансированию в разных сферах:

  • В сфере анализа данных лидерами являются МГУ (17 проектов) и Университет ИТМО (19 проектов)
  • Системы поддержки принятия решений – Университет ИТМО (27) и Московский Экономический Институт (12)
  • Распознавание изображений и видео – Институт систем обработки изображений РАН (17) и Южно-Российский государственный университет экономики и сервиса (13)
  • Распознавание текста и речи – НИИ «Прикладная семиотика» (9) и Центр речевых технологий (9)
  • В России существует большой потенциал в сфере подготовки квалифицированных специалистов для проектов с ИИ. Согласно исследованию SAP, в 286 вузах имеются соответствующие магистерские программы, около 50 тыс. студентов обучаются по 65 специальностям, связанным с анализом данных, машинным обучением, распознаванием речи и изображений, компьютерной лингвистикой и др. За последние пять лет подготовку по этим программам прошли более 200 тыс. человек.

Топ 30 организаций по объемам финансирования, 2014-2020, млн. р.
Отраслевая экспертиза Организации с 5 и более проектов для одной отрасли
Экспертиза организаций по тематикам, рейтинг по количеству проектов ИИ

Образовательные программы, связанные с ИИ

  • 268 вузов
  • 65специальностей (магистратура)
  • 1 628 кафедр
  • 49 171 студентов обучаются в настоящее время
  • 200 746 человек - общий поток за 5 лет

2016

Искусственный интеллект стал ключевым технологическим трендом 2016 года, и объем глобальных инвестиций в него превышает $ 500 млн. По прогнозам международной исследовательской компании Markets and Markets, к 2020 году рынок ИИ вырастет до $ 5 млрд за счет применения технологий машинного обучения и распознавания естественного языка в рекламе, розничной торговле, финансах и здравоохранении.

В Gartner считают, что к 2020 году около 40 % всех взаимодействий с виртуальными помощниками будет опираться на данные, обработанные нейронными сетями.

Tractica на основе таксономии 191 реального кейса поделила рынок ИИ на 27 секторов. Эксперты предполагают, что такие usecase, как распознавание образов, алгоритмическая биржевая торговля и управление данными пациентов в здравоохранении, имеют колоссальный потенциал масштабирования, в то время как другие кейсы пока являются нишевыми. Динамика ИИ, на их взгляд, будет основываться на шести фундаментальных технологиях: машинное обучение, глубинное обучение, компьютерное зрение, обработка естественного языка, машинная аргументация и сильный ИИ. Хотя в перспективе 10 лет ИИ-технологии повлияют практически на каждый бизнес, основными драйверами рынка станут секторы потребительских продуктов, бизнес-услуг, рекламы и обороны. Tractica предсказывает рост доходов на рынке ИИ с $ 643,7 млн в 2016 году до $ 38,8 млрд к 2025 году.

Доходы рынка ИИ 2016-2015. Данные Tractica
Экосистема ИИ. Данные Tractica

Развитие рынка ИИ в терминах доли на рынке будет происходить преимущественно в Северной Америке, поскольку и сейчас этот регион является центром динамичного развития продвинутых технологий, производственных процессов, инфраструктуры, располагаемого дохода и т. д. Широкая адаптация технологии ИИ в промышленности, медиа и рекламе, здравоохранении, BFSI, транспорте и автопроме является ключевым фактором, поддерживающим рост рынка ИИ в этом регионе.


По данным аналитиков CB Insights, в 2016 году стартапы в области искусственного интеллекта (ИИ) смогли привлечь в совокупности $5,02 млрд инвестиций, что стало наибольшей суммой за прошлые пять лет.

Количество раундов финансирования проектов в области ИИ выросло со 160 (2012 год) до 658 — то есть, более чем в 4 раза. Также возросла доля неамериканских стартапов, постепенно увеличившись с 21% до 38% за период с 2012 по 2016 год, хотя большая часть инвестиций по-прежнему достаётся американским компаниям.

Было проведено несколько мегараундов финансирования. Наибольшую сумму получило израильское приложение Gett, использующее алгоритмы ИИ для развертывания работы автономных автомобилей. Volkswagen поддержал компанию Gett инвестициями в размере 300 млн долларов с целью расширения прогнозирующих алгоритмов Gett.

Инвестиции в ИИ CBInsights 2011-2015

Современный искусственный интеллект

Основные коммерческие сферы применения технологий искусственного интеллекта
Технологические направления ИИ. Данные Deloitte

Сферы применения ИИ

Сферы применения ИИ достаточно широки и охватывают как привычные слуху технологии, так и появляющиеся новые направления, далекие от массового применения, иначе говоря, это весь спектр решений, от пылесосов до космических станций. Можно разделить все их разнообразие по критерию ключевых точек развития.

Как показывает иллюстрация, ИИ — это не монолитная предметная область. Более того, некоторые технологические направления ИИ фигурируют как новые подотрасли экономики и обособленные сущности, одновременно обслуживая большинство сфер в экономике[5].

В целях нашего исследования мы воспользовались данным подходом и предлагаем следующую классификацию по разделению основных точек развития и применения в области ИИ:

Как видно, две группы использования ИИ подразделены на физический и виртуальный слой, при этом преобладает виртуальный пласт. Развитие применения использования ИИ по этим направлениям приведет к адаптации технологий в классических отраслях экономики по всей цепочке создания ценности и преобразует их, приводя к алгоритмизированию практически всего функционала, от логистики до управления компанией.

Чат-боты перерисовывают ландшафт IT-экосистемы. Они могут заменить собой и приложения, и обслуживающий персонал в компаниях, и даже целые операционные системы. Чат-бот (Chat-bot) — это программа-собеседник, которая предназначена для общения и помощи человеку. При этом на другом конце всегда находится сложная система, базирующаяся на нескольких технологиях ИИ. Чат-боты, ориентированные на бизнес-задачи, могут подобрать лучший рейс, диету, фитнес-тренировку, забронировать гостиницу, выбрать покупку, то есть они представляют собой новую подотрасль обслуживания и ассистирования.

Согласно эксклюзивным данным опроса BI Intelligence, применение чат-ботов уже взлетело в США, где более половины американских пользователей в возрасте от 18 до 55 лет сейчас использует их.

По прогнозам Gartner, цифровые ассистенты будут «знать» нас к 2018 году на основе собранного кликстрима и накопленных больших данных.

По результатам опроса руководителей компаний голосовой помощник является программным обеспечением № 1. Среди помощников, которыми больше всего пользуются на рабочем месте, были названы Siri от Apple, GoogleAssistant, а также Alexa от компании Amazon. Хотя зрелость голосовых помощников пока на низком уровне, примечательно, что их популярность даже выше программных продуктов, связанных с большими данными.

Персональные ассистенты являются своеобразной инкарнацией чат-ботов, хотя и более распространенной по причине того, что технология развивается крупнейшими IT-компаниями. В настоящее время сотни миллионов людей взаимодействуют с персональными цифровыми ассистентами на таких платформах, как Google, Apple, Amazon, Facebook и другие. Эта технология с помощью персональных ассистентов и чат-ботов делает переход от графического пользовательского интерфейса (Graphical User Interface, GUI) к диалоговому интерфейсу (Conversational User Interface, CUI) ключевым трендом ближайших нескольких лет.

По оценке Markets And Markets, объем рынка распознавания образов достигнет 29,98 млрд USD к 2020 году со средним CAGR на уровне 19,1 %. Технологии распознавания образов содержат в себе распознавание паттернов, оптических образов, кода, объектов и цифровых фотографий. Они либо по отдельности, либо в интегрированном виде используются в таких сферах, как безопасность и наблюдение, сканирование и создание изображений, маркетинг и реклама, дополненная реальность и поиск изображений.

Ключевым драйвером этого рынка является уход всех процессов как в бизнесе, так и в потребительском сегменте в облака, а также рост влияния Интернета, смартфонов, социальных медиа. Акторами этого рынка являются такие крупные корпорации, как NEC, Google, Honeywell, Hitachi и Qualcomm Technologies. Также присутствует множество меньших по размеру игроков, таких как LTU Technologies, Attrasoft, Blippar и SLYCE, и таких вендоров, как Catchoom и Wikitude.

Мировой рынок распознавания речи оценен BCC Research в колоссальные $ 90,3 млрд в 2015 году. Ожидается, что этот рынок вырастет со $ 104,4 млрд в 2016 до $ 184,9 млрд в 2021 со средними темпами (CAGR) на уровне 12,1 % за период 2016–2021.

Рынок обработки естественного языка (Natural Language Processing, NLP) оценивается Market And Markets в $ 7,63 млрд в 2016 году и вырастет до $ 16,07 млрд к 2021, с CAGR на уровне 16 1 %. Основными драйверами компания считает возрастающий спрос на более продвинутый уровень пользовательского опыта, рост пользования умными девайсами, рост инвестиций в здравоохранение, растущее применение сетевых и облачных бизнес-приложений и рост M2M-технологий.

Направления развития

Можно выделить два направления развития ИИ:

  • решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека (см. Усиление интеллекта);
  • создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

Но к 2016 году в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла.

Известные системы

Ниже представлены лишь некоторые наиболее известные разработки в области ИИ. Некоторые из самых известных ИИ-систем:

Яндекс: Поиск, "Дзен" и "Аудитории"

Компания "Яндекс" уже на протяжении нескольких лет применяет технологии искусственного интеллекта в своих поисковых механизмах. В 2016 году работа ведется над созданием нейронной сети, способной вывести принцип работы поисковика на новый революционный уровень. Традиционный алгоритм поиска основан на сопоставлении содержания запроса с контентом анализируемых страниц. Безусловно, все это делается с некоторыми дополнениями и расширениями – запросы переформулируются, добавляются синонимы, переводятся на другой язык и т.д.

В новом подходе каждому запросу ставится в соответствие некое векторное число, наиболее точно отражающее его смысл. Далее поиск осуществляется по этому числу. При этом запрос и ответ могут не иметь ни одного общего слова. Все, что их будет объединять – это одинаковый смысл содержимого.

Стоит отметить, что в перспективе в векторное число смогут переводится изображения и видео, что, по словам представителей Яндекс, позволит значительно расширить границы «умного» поиска.

В 2016 году "Яндекс" выпустила обновленную версию своего браузера, в котором технологии искусственного интеллекта позволяют персонализировать поиск в соответствии с интересами пользователя. Новый сервис получил название "Дзен".

«Несмотря на многообразие информации в сети, найти для себя что-то по-настоящему интересное не так просто. Дзен решает эту задачу. Во многом он похож на поисковую систему. Только если поиск ищет что-то определенное, то Дзен отвечает на более широкий запрос: что интересно конкретному человеку. Мы уверены, что в будущем все браузеры будут идти по пути персонализации и помогать пользователям выбирать контент», - Виктор Ламбурт, руководитель сервиса Яндекс.Дзен.

Дзэн не только учитывает то, чем традиционно интересуются пользователи, но и анализирует их текущие предпочтения. Например, если человек заинтересуется анатомией, то материалов, связанных с этой темой, в его новостной ленте станет значительно больше. При этом, Дзен не ограничивается лишь любимыми сайтами и предпочтениями пользователя. Пользователю могут предлагаться материалы из совершенно незнакомых источников, если Дзен посчитает, что они могут его заинтересовать.

Достаточно интересным является применение технологий искусственного интеллекта в сервисе "Яндекс.Аудитории". Данный сервис позволяет компаниям найти в Интернете целевых клиентов с целью более эффективного таргетирования рекламных объявлений. Достаточно загрузить в сервис список клиентов с телефонами и/или e-mail адресами, и система, сканируя социальные сети с помощью искусственного интеллекта, находит этих людей в сети Интернет. Далее можно разбить клиентов по целевым группам и персонализировать для них через Яндекс.Директ рекламные объявления. Например, можно ненавязчиво предлагать целевой аудитории новый товар, или в конце концов склонить пользователей к покупке товара, которым они уже интересовались ранее.

Abbyy Compreno

Основная статья: Abbyy Compreno

Одним из главных достижений российской Abbyy является система Compreno, позволяющая анализировать и понимать текст на естественном языке. Над созданием данной системы специалисты компании работали около 10 лет. Стоимость проекта составила более $80 млн.

Findo

Основная статья: Findo.io - умная система поиска по документам, файлам, контактам, почтовым ящикам

В начале 2016 года Давид Ян, основатель компании Abbyy, объявил о запуске в США нового проекта – Findo. Findo является интеллектуальным помощником, которые предназначен для поиска информации в интернете, в облаке и локальных файлах. Уникальной способностью помощника является распознавание естественной речи (правда, пока только на английском языке).

Для поиска могут использоваться достаточно «сложные» запросы. Например, Findo способен работать с запросами, вида: «найди документы, которые я редактировал в прошлую среду», «покажи письмо, которое мне вчера прислали из Москвы» и т.д.

Иностранные системы

  • В феврале 2017 года компания Gamalon сообщила о разработке технологии искусственного интеллекта, способной быстро самообучаться по нескольким фрагментам данным. По своей эффективности и точности обучения новая разработка соответствует мощным нейоронным сетям. Подробнее здесь.

  • Deep Blue — победил чемпиона мира по шахматам. Матч Каспаров против суперЭВМ не принёс удовлетворения ни компьютерщикам, ни шахматистам, и система не была признана Каспаровым (подробнее см. Человек против компьютера). Затем линия суперкомпьютеров IBM проявилась в проектах brute force BluGene (молекулярное моделирование) и моделирование системы пирамидальных клеток в швейцарском центре Blue Brain.

  • Watson — перспективная разработка IBM, способная воспринимать человеческую речь и производить вероятностный поиск, с применением большого количества алгоритмов. Для демонстрации работы Watson принял участие в американской игре Jeopardy!, аналога «Своей игры» в России, где системе удалось выиграть в обеих играх.

  • MYCIN — одна из ранних экспертных систем, которая могла диагностировать небольшой набор заболеваний, причем часто так же точно, как и доктора.

  • 20Q — проект, основанный на идеях ИИ, по мотивам классической игры «20 вопросов». Стал очень популярен после появления в Интернете на сайте 20q.net.

  • Распознавание речи. Системы такие как ViaVoice способны обслуживать потребителей.

  • Роботы в ежегодном турнире RoboCup соревнуются в упрощённой форме футбола.

  • Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика), при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности.

Разработчики компьютерных игр применяют ИИ в той или иной степени проработанности. Это образует понятие «Игровой искусственный интеллект». Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее.

Анализ изображений

В ноябре 2013 года стало известно об очередной попытке в области создания искусственного интеллекта: ученые предоставили компьютеру миллионы изображений и предоставили ему возможность самому проанализировать, что они обозначают. То есть речь идет о попытке создать самообучающуюся систему.

Проект под названием NEIL[6] реализуется Карнеги-Меллон Университетом, что расшифровается как Never Ending Image Learning (дословно – «бесконечное изучение изображений»).

Абхинав Гупта (Abhinav Gupta), слева, и Абхинав Шривастава (Abhinav Shrivastava) осматривают серверный кластер, задействованный в исследовании, в серверной кампуса Карнеги-Меллон Университета в Питтсбурге

В июле 2013 года для обучающегося компьютера была открыта возможность загрузки изображений из интернета в режиме 24 на 7 с тем, чтобы он сам мог выявить и построить взаимосвязи между ними. Таким образом, ученые пытаются заставить заработать искусственный интеллект: систему, способную к самообучению без помощи извне.

Например, компьютер уже смог самостоятельно установить, что зебры обычно обитают в саванне, а тигры это нечто подобное зебрам. Проект спонсируется Google и Министерством обороны США.

VisionLabs Luna

Основная статья: VisionLabs Luna

Платформа распознавания лиц VisionLabs LUNA - флагманский продукт компании VisionLabs. LUNA позволяет в режиме реального времени анализировать колоссальные объемы фото- и видеоданных с целью определения в них лиц людей и сравнения их с многомиллионными базами данных. На базе данной технологии также создан облачный сервис FACE_IS, который может связывать клиентов с предшествующей историей их покупок и помогать выстраивать взаимодействие с брендом. Решения компании являются plug’&’play, по умолчанию имеют интеграцию с большинством баз данных, CRM и BI-систем, и не требуют от пользователей замены оборудования, так как интегрируются в их существующую IT- инфраструктуру.

Компания была основана в 2012 году и является резидентом IT-кластера «Сколково». Компания специализируется на решениях, позволяющих распознавать лица клиентов в самых быстрорастущих сегментах рынка: банковский сектор и ритейл. К 2016 году Массачусетский университет (США) включил VisionLabs в тройку лучших мировых систем в области распознавания лиц для коммерческих целей.

N-Tech Lab

Основная статья: N-Tech Lab

Российская компания N-Tech Lab была основана в 2015 году и занимается распознаванием лиц с помощью нейронных сетей. В декабре 2015 года алгоритм FaceN занял первое место в мировом чемпионате по распознаванию лиц The MegaFace, сумев обойти разработчиков Google. Задание заключалось в том, чтобы выделить в миллионной базе фотографий изображения одних и тех же людей.

По словам представителей компании, разработанный алгоритм позволяет распознавать фотографии даже лучше человека. Помимо традиционных инвариантных признаков (величина глаз, размер губ и т.д.), система находит такие инвариантные признаки, который человеческий глаз выделить не способен.

В феврале 2016 компания запустила новый проект FindFace, который, используя алгоритм FaceN, позволяет находить по фотографии профили пользователей в социальной сети «Вконтакте».

Влияние на человеческую цивилизацию

Искусственный интеллект в будущем может стать причиной гибели человеческой цивилизации. Об этом в апреле 2017 года заявил известный британский ученый Стивен Хокинг в ходе видеоконференции в китайской столице, состоявшейся в рамках Глобальной конференции мобильного интернета.

"Развитие искусственного интеллекта может стать как наиболее позитивным, так и самым страшным фактором для человечества. Мы должны осознавать опасность, которую он собой представляет", - подчеркнул он[7].

По словам Хокинга, новейшие технологии могут привести к деградации человека, сделать его совершенно беспомощным перед лицом природы. Он добавил, что в условиях естественной эволюции и борьбы за выживание это означает верную гибель.

В то же время ученый отметил, что при умелом подходе искусственный интеллект способен решить большинство проблем, которые существуют в мире. "Впрочем, я считаю, что это вовсе не обязательно произойдет", - резюмировал Хокинг.

Влияние на рынок труда

Прогноз Кудрина А.

С помощью цифровизации систем госуправления в России за 6 лет смогут сократить на треть число чиновников и на 0,3% ВВП снизить издержки на госуправление. Об этом заявил заместитель председателя экономического совета при президенте РФ Кудрин Алексей.

По словам заместителя председателя экономического совета при президенте РФ Алексея Кудрина, оптимизировать госуправление в стране за 6 лет можно, внедряя цифровизацию такого рода систем, что позволило бы сократить количество чиновников на треть, а издержки на государственное управление снизить на 0,3% ВВП.

Прогноз Медведева Д.А.

Технологическая трансформация в России может привести не только к взрывному росту производительности труда, но и «убить» целые профессии и усилить риски поляризации доходов. Такое мнение выразил глава Правительства Дмитрий Медведев в своем выступлении на пленарном заседании форума «Финансовая система конкурентоспособной экономики XXI века: вызовы и решения». «Я имею в виду трансформацию прежде всего на базе цифровой экономики», — добавил он[8].

Конкретный перечень профессий он не привел. «Нужно понимать, что `цифра` — и в нашей стране, и во всем мире, конечно, это не только колоссальный прорыв, но и набор вызовов, что хорошо видно на примере того же самого финансового сектора, — отметил Медведев. — Технологии распределенного реестра (блокчейн) — и криптовалюты, и так называемые смарт-контракты — с одной стороны, расширяют возможности рынка. С другой — отсутствие общих правил использования этих инструментов создает угрозы для рынков».

По мнению чиновника, это стало причиной того, что сегодня крупнейшие глобальные банки уже договариваются о совместной работе в этой сфере. «Российское банковское сообщество также начинает вырабатывать здесь свои подходы», — добавил глава Правительства.

Смотрите также Цифровая экономика России

Данные Всемирного экономического форума

Эксперты Всемирного экономического форума (ВЭФ) заявили в апреле 2017 года, что к 2020 году роботы вытеснят с рабочих мест около 7 млн человек. Виной тому – глобальная автоматизация всех рабочих процессов: производства, обслуживания, управления и т.д.

В связи с активным развитием всевозможных систем на основе искусственного интеллекта специалисты уже не первый год прогнозируют четвертую промышленную революцию, которая приведет к полной трансформации экономики. Все профессии, связанные с обработкой данных, в скором времени окажутся невостребованными: в первую очередь это офисные работники, управляющий персонал, кассиры, операторы. Также роботам достанутся рабочие места на промышленных предприятиях. Однако количество роботов-работников все нарастает, а ими кто-то должен управлять. Поэтому появятся новые вакансии в областях, связанных с умственным трудом.

Данные McKinsey

Согласно исследованиям аналитиков McKinsey, автоматизация активнее всего будет проходить в Китае, Индии и России: около 50% работников в этих странах могут потерять работу в ближайшем будущем.

В марте 2017 года международная консалтинговая компания McKinsey Global Institute опубликовала исследовательский отчет, посвященный влиянию искусственного интеллекта на рынок труда.

По оценкам экспертов, почти половина рабочих мест может быть заменена компьютерами или роботами. Впрочем, о полной автоматизации можно говорить лишь в отношении менее 5% специальностей, а в остальных случаях возможна лишь частичная замена человека.

Сильнее всего искусственный интеллект угрожает людям, занятым физическим трудом, а также сбором и обработкой данных. Эти рабочие места охватывают производство, гостиничное и ресторанное обслуживание, розничную торговлю, на долю которых к марту 2017 года приходится около 51% занятости американского населения.

Искусственный интеллект заменит половину рабочего труда

В докладе McKinsey Global Institute говорится, что к 2055 году примерно половину рабочей деятельности человека смогут выполнять машины с той же или более высокой эффективностью. Добиться такого уровня автоматизации можно раньше или позже — все будет зависеть таких факторов, как развития искусственного интеллекта и изменения экономического климата, считают специалисты.

« Трудно сказать, хорошо ли это или плохо. Очевидно одно: больше автоматизированных рабочих мест уменьшит возможностей людей, чтобы прокормить себя и свою семью, — говорит аналитик McKinsey Майкл Райт (Michael Wright). — Роботы нарушают работу системы, которая поддерживает нашу инфраструктуру. Они не платят налоги на недвижимость, не помогают финансировать государственные школы. »

Основатель Microsoft Билл Гейтс (Bill Gates) предлагал решить эту проблему путем налогообложения труда роботов. Майкл Райт поддерживает эту идею.

В исследовании McKinsey отмечается, что искусственный интеллект помогает компаниям улучшать результативность путем сокращения числа ошибок, повышения качества и скорости работы, а также достижения результатов, неподвластных людям. Автоматизация также способна повышать продуктивность — на 0,8-1,4% ежегодно на протяжении десятилетий, способствуя экономическому росту и помогая компенсировать сокращение численности трудоспособного населения во многих странах, считают исследователи. [9]

Использование ИИ в госсекторе

Роботы заменят 250 тыс. госслужащих в Великобритании

В феврале 2017 года аналитический центр Reform опубликовал исследование, согласно которому роботы могут заменить до 250 тыс. служащих в британских государственных организациях.

По мнению экспертов, автоматизация рабочих мест на госслужбе позволит повысить эффективность и качество работы при взаимодействии с клиентами. Еще один плюс от внедрения искусственного интеллекта — сокращение фонда заработной платы британского государственного сектора на 4 млрд фунтов стерлингов в год.

В Reform подсчитали, что ИТ-системы способны заменить 248 860 рабочих мест в государственном секторе в Великобритании в течение 15 лет. В частности, численность персонала центрального правительства могла бы сократиться на 131 962 человека.

Численность персонала в государственных структурах Великобритании, данные за 2016 г.

Кроме того, можно заменить 90 тыс. администраторов и 24 тыс. работников регистратуры, а также автоматизировать 30% работы медсестер и врачей некоторых направлений, сообщается в докладе Reform.

« Сокращение рабочих мест должно рассматриваться как самоцель. Технологии должны заменять людей только там, где они могут обеспечить более качественное обслуживание и снижение расходов, — считают эксперты. »

Большая часть исследования Reform построена на научной работе Оксфордского университета. В 2013 году там рассмотрели более 700 профессий, применив гауссовский процесс для изучения влияния автоматизации на эти специальности. Ученые пришли к выводу, что административные должности могут быть заменены компьютерами с 96-процентной вероятностью.

Позднее центральный банк Англии, ссылаясь на данные исследования Оксфордского университета, заявил, что из-за автоматизации около 15 млн рабочих мест в британском госсекторе находится под угрозой ликвидации. [10]

Использование ИИ в судебной системе

Разработки в области искусственного интеллекта помогут кардинально изменить судебную систему, сделать ее более справедливой и свободной от коррупционных схем. Такое мнение высказал летом 2017 года доктор технических наук, технический консультант Artezio Владимир Крылов.

Ученый считает, что уже существующие сейчас решения в области AI можно успешно применять в разных сферах экономики и общественной жизни. Эксперт указывает, что AI успешно применяется в медицине, однако в будущем способен полностью изменить и судебную систему.

«Ежедневно просматривая новостные сообщения о разработках в области ИИ только поражаешься неисчерпаемости фантазии и плодотворности исследователей и разработчиков в этой области. Сообщения о научных исследований постоянно чередуются с публикациями о новых продуктах, врывающихся на рынок и сообщениями об удивительных результатах, полученных с помощью применения ИИ в различных областях. Если же говорить об ожидаемых событиях, сопровождаемых заметным хайпом в СМИ, в котором ИИ станет снова героем новостей, то я, наверное, не рискну делать технологических прогнозов. Могу предположить, что ближайшим событием станет появление где-то предельно компетентного суда в форме искусственного интеллекта, справедливого и неподкупного. Случится это, видимо, в 2020-2025 году. И процессы, которые пройдут в этом суде приведут к неожиданным рефлексиям и стремлению многих людей передать ИИ большинство процессов управления человеческим обществом».

Использование искусственного интеллекта в судебной системе ученый признает «логичным шагом» по развитию законодательного равенства и справедливости. Машинный разум не подвержен коррупции и эмоциям, может четко придерживаться законодательных рамок и выносить решения с учетом многих факторов, включая данные, которые характеризуют участников спора. По аналогии с медицинской сферой, роботы-судьи могут оперировать большими данными из хранилищ государственных служб. Можно предположить, что машинный интеллект сможет быстро обрабатывать данные и учитывать значительно больше факторов, чем судья-человек.

Эксперты-психологи, впрочем, считают, что отсутствие эмоциональной составляющей при рассмотрении судебных дел негативно скажется на качестве решения. Вердикт машинного суда может оказаться слишком прямолинейным, не учитывающим важность чувств и настроения людей.

Использование ИИ в банках

Основная статья: Искусственный интеллект в банках

Использование ИИ в медицине

Основная статья: Искусственный интеллект в медицине

Использование ИИ в транспорте

Использование ИИ в торговле

Инженеры лаборатории Facebook по исследованию искусственного интеллекта представили в июне 2017 года результаты работы над ботом, умеющим врать и торговаться с людьми. Как пишет Quartz, в ходе обучения система использовала более 5,8 тыс. реальных человеческих диалогов в ходе переговоров, собранных при помощи краудсорсинговой онлайн-платформы Amazon Mechanical Turk[11].

Анализируя диалоги, бот не только научился вести переговоры — он научился врать. Инженеры отмечают, что искусственный интеллект может имитировать интерес не к тому, что его действительно интересует, а к другому предмету. Выиграв преференции в ходе переговоров, он возвращается к объекту интереса. Впрочем, инженеры до конца не уверены, научился ли бот вранью из человеческих диалогов, или вышел на тактику случайно, в процессе самообучения.

Использование ИИ в ВПК (милитаризация - автономное оружие)

Подробнее смотрите Кибервойны и Боевые роботы

116 экспертов в области искусственного интеллекта и робототехники из 26 стран мира написали в августе 2017 года ООН открытое письмо с призывом запретить автономное оружие. Среди поставивших свои подпись числятся глава Tesla Илон Маск и сооснователь принадлежащей Google компании DeepMind Technologies Мустафа Сулейман.

«Смертельное автономное оружие может стать третьей революцией в военном деле. Оно позволит вести войну в невиданных ранее масштабах и со скоростью, которую люди не могут осознать. Это оружие станет оружием террора, применяемым деспотичными правителями и террористами против невинных людей, а также оружием, которое может быть взломано и действовать самым нежелательным образом», - говорится в письме.
«У нас не осталось времени на раздумья. Как только этот ящик Пандоры откроется, закрыть его будет очень сложно», - резюмируют эксперты.

По словам авторов, на написание письма их толкнули две причины. Во-первых, поскольку их компании занимаются вопросами в области искусственного интеллекта и робототехники, в будущем они рискуют стать производителями автономного оружия, и эксперты чувствуют свою ответственность. Второй причиной стала отмена заседания «группы правительственных экспертов», запланированного на 21 августа в рамках Конвенции ООН об ограничении или запрете применения конкретных видов оружия. Встреча была отменена в связи с неуплатой некоторыми странами членских взносов в ООН.

Лидеры отрасли должны задуматься о том, как убедить правительства разных стран договориться о недопустимости милитаризации Интернета с помощью технологий машинного обучения, считает председатель Alphabet.

15 февраля 2017 года Эрик Шмидт поделился своими основными переживаниями по поводу будущего Интернета: в частности, важно проследить за тем, чтобы Интернет сохранил свою взаимосвязанность, а искусственный интеллект не стал орудием его милитаризации[12].

«Возможности машинного обучения... должны исследоваться в открытую, а не в военных научных лабораториях», — заявил он на конференции RSA по вопросам кибербезопасности, проходившей в Сан-Франциско. Если бы Интернет разрабатывался в тесных рамках военных исследовательских лабораторий, «мы бы целыми днями волновались, не проникли ли военные в наши сети — Интернет бы пришлось понемногу закрыть, — сказал Шмидт. — Один из вопросов, которыми должна озаботиться наша отрасль, состоит в том, сможем ли мы найти способ убедить страны договориться о том, чтобы не использовать Интернет в военных целях посредством технологий машинного обучения»
.
Он отметил, что ближе к концу срока правления Обамы президент Китая Си Цзиньпин и президент США Обама подписали договор о сокращении количества кибератак между этими двумя странами. «По некоторым данным, это сработало», — сообщил Шмидт.

Управление истребителями

В июле 2016 года стало известно, что искусственный интеллект для управления истребителями ALPHA одержал уверенную победу над бывшим летчиком-асом американской армии в виртуальном воздушном бою, сообщало агентство ТАСС со ссылкой на японское издание Sankei Shimbun.

Искусственный интеллект ALPHA – совместная разработка Университета Цинциннати, промышленности и Военно-воздушных сил (ВВС) США. Программа создана специально, чтобы превзойти профессиональных летчиков-истребителей в виртуальном поединке.

Одним из них стал опытный пилот-инструктор, отставной полковник ВВС США Джин Ли. Он окончил Школу по отработке боевого применения истребителей[13].

Во время виртуального боя, проходившего в крупном развлекательном центре, летчик не смог сделать ни одного удачного выстрела, поскольку интеллект ALPHA каждый раз делал это быстрее и точнее. ALPHA побеждал Ли, даже когда его «пересадили» на менее скоростной и маневренный самолет. Программа быстро переходила из атаки в оборону.

После поединка летчик признался, что из тех искусственных интеллектов, что он видел, ALPHA демонстрирует самую быструю реакцию, мощность и надежность.

В одном из виртуальных боев против ALPHA сражались два пилота на двух истребителях. Искусственный интеллект победил, одновременно управляя четырьмя самолетами. При этом для управления ALPHA использовался компьютер стоимостью всего $35.

Распознавание объектов на спутниковых снимках

В августе 2016 года было объявлено, что компании Amazon, Nvidia, DigitalGlobe и специальное подразделение ЦРУ CosmiQ Works начали разработку искусственного интеллекта, который сможет распознавать объекты на спутниковых снимках (подробнее: SpaceNet).

Журналистика и литература

2017: Нейросеть научили писать стихи определенного жанра и на любую тему

Исследователи Facebook AI Research (подразделения Facebook, занимающегося разработкой программного обеспечения для искусственного интеллекта), в начале июля 2017 года представили новый подход к автоматическому написанию поэзии. Созданная система нейросетей умеет писать стихи определенного жанра и на любую тему, практически неотличимые от тех, которые мог бы написать человек. Однако главная цель поэзии — передача мыслей и чувств через образные средства языка — по-прежнему остается недоступной для искусственного интеллекта.[14]

У любого поэтического произведения есть два важных компонента: форма и содержание. Форма выражается в метрических характеристиках стиха: ритме и рифме; содержание отвечает за наполненность стихотворения — лексические и образные средства, используемые для того, чтобы передать определенную мысль.

Может ли компьютер сочинять настоящие стихи? До недавнего времени считалось, что нет, однако нейросеть, созданная в Facebook AI Research, практически научилась это делать

Авторы нового исследования предложили две модели, которые основываются на уже существующих языковых нейросетях. Первая модель извлекает из обучающей выборки и форму, и содержание стихотворения, и дает на выходе произведение определенного стихотворного жанра. Такая модель была обучена на небольшой (300 тыс. слов) выборке сонетов и смогла создать произведение, написанное пятистопным ямбом (размером, традиционным для сонета на английском языке).

Однако у такой модели есть одно важное ограничение: она может создавать произведения только той поэтической формы, которая была представлена ей в выборке для обучения. Принимая это во внимание, исследователи предложили другой подход, который заключается в использовании порождающей состязательной сети, одна часть которой (генератор) отвечает за содержание, а другая (дискриминатор) — за форму.

Модель автоматического стихосложения обучили на большой выборке поэтических произведений (7,56 млн слов) самых разных жанров. Затем ученые поставили эксперимент: они взяли стихотворения, созданные нейросетью, смешали их с забавно-абсурдными стихами реальных поэтов и предложили семидесяти читателям определить, кто написал то или иное стихотворение — человек или компьютер. Респонденты правильно установили авторство людей в 51,4% случаев; в случае с компьютерной поэзией эта доля составила 53,8%.

Респондентам также необходимо было отметить по пятибалльной шкале «читабельность» стихов («Насколько представленный фрагмент легок для прочтения?»), их эмоциональность («Насколько данный фрагмент пробуждает в вас эмоции?») и красоту («Насколько данный фрагмент приятно читать?»). Оказалось, что самыми «человеческими», эмоциональными и красивыми стихотворениями респонденты посчитали именно те, которые были созданы компьютером.

Вот, например, одно из четверостиший, использованных в эксперименте:

How dreary to be somebody,
How public like a frog
To tell one’s name the livelong day
To an admiring bog.


Смысл стихотворения кажется темным. Словосочетание admiring bog («восхищающаяся трясина») выглядит абсурдно, и в чем именно выражается публичность лягушки? Однако написано оно не компьютером. Автор этого четверостишия — Эмили Дикинсон («I'm nobody! Who are you?»).

А вот другой пример, использованный при опросе респондентов:

The frozen waters that are dead are now
black as the rain to freeze a boundless sky,
and frozen ode of our terrors with
the grisly lady shall be free to cry.


В этом отрывке проглядывается понятная читателю метафора зимы как смерти и страха. Стихотворение мрачное, оно наполнено различными сравнительными средствами и кажется достаточно эмоциональным, однако написал его компьютер.

Несмотря на то, что работа новой нейросети приблизила искусственный интеллект к настоящему поэтическому творчеству, до настоящих поэтов ему пока что далеко.

Как отметил поэт Риши Дастидар (Rishi Dastidar) в беседе с интернет-издаем New Scientist, у компьютерных стихотворений нет никакого подтекста: нейросеть может ставить одно слово за другим так, чтобы результат соответствовал определенной поэтической модели, и подбирать их так, чтобы они относились к определенной теме, но никакой идеи и эстетической глубины такие стихи не имеют. Для того чтобы произведения компьютера выражали мысли и чувства (одна из главнейших задач поэзии в ее повседневном понимании), искусственный интеллект должен научиться мыслить и чувствовать сам.

Ознакомиться с работой нейросети и оценить ее можно на сайте neuralpoetry.getforge.io.

2016

На 2016 год одной из наиболее перспективных областей для развития творческих навыков у искусственного интеллекта считается литература. При этом сама идея автоматического написания текстов с помощью машин не нова. Так, еще в 2014 году компания Associated Press объявила, что отныне большая часть новостей, связанных с доходами компаний, будут создаваться с помощью роботов.

«На протяжении долгих лет у нас уходило много времени, чтобы разобраться с цифрами о доходах компаний при подготовке статей. Однако платформа Wordsmith от компании Automated Insights позволила нам не только автоматизировать этот процесс, но и значительно увеличить производительность», - рассказал шеф-редактор Associated Press Лу Феррара.

Применение автоматизированных технологий позволило Associated Press увеличить число ежеквартальных новостей о доходах компаний с 300 до 4400. Позднее аналогичным сервисом воспользовался новостной портал Yahoo News. В 2016 году роботы-репортеры Associated Press несколько расширили свою тематику. Им стали доверять небольшие новостные заметки, связанные с Малой бейсбольной лигой США.

Использует роботов-журналистов и журнал Forbes, для которого компания Narrative Science создала соответствующую специализированную платформу. В ноябре 2015 года аналогичное направление разработок открыла российская компания Яндекс. Пока искусственный интеллект Яндекса выпускает лишь короткие заметки о погоде и ситуации на дорогах, однако в дальнейшем представители компании обещают расширить список тематик для публикаций.

Очевидно, идея использования роботов в журналистике постепенно набирает обороты. Статьи, написанные искусственным интеллектом, пока очень простые, однако соучредитель компании Narrative Science Кристиан Хэммонд верит в большие перспективы данного направления, полагая, что к 2025 году 90% всех текстов в мире будет писаться именно искусственным интеллектом. Предположение, безусловно смелое, однако некоторые эксперты с этим отчасти согласны.

«В будущем роботы журналисты вполне смогут быть конкурентоспособны на рынке труда, особенно по части создания простых новостных заметок. При этом они могут обладать рядом преимуществ: в машину можно заложить четко структурированный алгоритм, по которому будет писаться текст, например, какую информацию помещать в начало, какую – в середину, а какую – в конец. Это позволит повысить читабельность новостных заметок. Зачастую журналисты забывают об этом правиле, предоставляя всю актуальную информацию уже на первых строчках текста», - гендиректор «Комсомольской правды» Владимир Сунгоркин.

Все же большинство экспертов абсолютно уверены в неспособности искусственного интеллекта полностью заменить человека в такой сложной задаче, как написание интересных статей.

«Заменить человека полностью машина вряд ли сможет. Роботы не способны почувствовать интересную историю – они лишь способны отвечать на поставленные вопросы», - исполнительный директор Службы финансово-экономической информации «Интерфакса» Юрий Погорелый.

Однако несмотря на столь значительный скептицизм, практика показывает, что перспективы искусственного интеллекта все же не так туманны. Весной 2016 года книга «День, когда компьютер напишет роман», созданная искусственным интеллектом, смогла выйти в финал литературной премии имени Хоси Синъити. Да, произведение не смогло в конце завоевать главный приз, однако сам факт того, что оно прошло четыре этапа отбора, говорит о многом.

Премия Хоси Синъити прежде всего известна тем, что в ней на конкурс можно выставить произведения, написанные машиной. В 2016 году, из 1450 книг около 11 были написаны искусственным интеллектом, однако в финал смогла пройти лишь одна. При этом жюри не было проинформировано, что рассматривает книгу, написанную ИИ.

«Меня удивила работа искусственного интеллекта, поскольку перед нами лежит действительно хорошо структурированный роман. Однако у него все же есть ряд проблем, которые не позволили ему выиграть главный приз. Например, не до конца раскрыты персонажи. Над решением подобной проблемы разработчиками еще предстоит провести ряд исследований», - заявил на пресс-конференции конкурса писатель-фантаст Хасэ Сатоси.

Разработчики из Университета будущего Хакодате, где был создан роман, до сих пор еще не раскрыли алгоритм работы искусственного интеллекта. Известно лишь, что для написания произведения были изначально заданы детали сюжета, характеристики героев и используемые слова и фразы.

Не так давно специалисты Яндекс и Google проводили активные исследования, направленные на обучение машины поэзии. Сервис «Яндекс.Автопоэт», который был создан в декабре 2013 года, уже на протяжении нескольких лет составляет стихотворные строки на основе запросов пользователей и новостных заголовков. Для этих целей робота специально научили определять стихотворные размеры и рифмовать строчки между собой. Ознакомиться с полным списком произведений Автопоэта можно здесь. Один из примеров его стихотворений (орфография и пунктуация сохранены):

Эхо самарской полиции,
евро теряет позиции,
Курску грозит затопление,
доллар продолжил падение



Пока приобщить это к произведению искусства можно с большой натяжкой. Не блещут результатами в этом вопросе и специалисты Google. В мае 2016 года искусственный интеллект, проанализировав 11 тысяч неизданных книг, начал писать свои первые литературные произведения. Однако пока они достаточно мрачноваты:

Он надолго замолчал.
Он смолк на мгновение.
На секунду стало тихо.
Было темно и холодно.
Возникла пауза.
Теперь мой черед.



Музыка

Ученые стараются изучить возможности искусственного интеллекта во всех сферах творческой деятельности человека.


Американская певица Тэрин Саузерн выпустила летом 2017 года сингл Break Free, который открывает её новый альбом I AM AI – «Я – искусственный интеллект». В официальном анонсе было указано, что весь альбом, включая этот трек, создается в соавторстве с неизвестным публике музыкантом Amper. Однако не вызывающий на первый взгляд никаких подозрений творческий дуэт оказался вовсе не тем, что можно было ожидать[15].

Проект Amper – искусственный интеллект, результат совместной работы технических специалистов и профессиональных музыкантов. Он способен писать, исполнять и продюсировать музыку. Ампер – первый в истории искусственный интеллект, выпустивший собственный музыкальный альбом.

Ампер является уникальным в своем роде. ИИ, генерирующие музыку, существовали и до него, однако ранние модели работали по определенному алгоритму и итоговый продукт требовал серьезной переделки человеком, вплоть до изменения аккордов и целых частей мелодии, прежде чем мог считаться полноценным музыкальным произведением.

Ампер же не нуждается в помощи, когда создает собственные треки – он самостоятельно подбирает необходимые звуки и выстраивает структуры аккордов. Обрабатывающему полученную в итоге мелодию человеку остается только подкорректировать ритм и стилистику – все остальное Ампер делает сам всего за несколько секунд.

В мае 2016 года компания Google даже запустила специальный проект Magenta, основная задача которого заключается в изучении креативных возможностей нейронной сети. Ученые планируют осваивать премудрости творческого процесса постепенно: сначала будет разработан алгоритм для создания музыкальных произведений. Затем настанет очередь видео и изобразительного искусства. Данные о результатах работы планируется размещать в открытом доступе на GitHub.

«Есть несколько причин, по которым я захотел сформировать Magenta, и одна из них заключалась в желании увидеть полноценные, честные и удивительные улучшения в искусстве глубинного обучения», - говорит руководитель проекта Дуглас Экк[16].

Буквально через пару недель после открытия Magneta, была запущена программа по импорту музыкальных файлов MIDI-формата в систему TensorFlow с целью обучить искусственный интеллект созданию музыки. Однако пока результаты работы программы не столь удачны (хотя справедливости ради нужно сказать, что прошло еще не так много времени). Ознакомиться с музыкальным произведением искусственного интеллекта Magneta можно из следующего видео.

Живопись

В 2015 году команда Google тестировала нейронные сети на предмет возможности самостоятельно создавать изображения. Тогда искусственный интеллект обучали на примере большого количества различных картинок. Однако, когда машину «попросили» самостоятельно что-нибудь изобразить, то оказалось, что она интерпретирует окружающий нас мир несколько странно. Например, на задачу нарисовать гантели, разработчики получили изображение, в котором металл был соединён человеческими руками. Вероятно, произошло это из-за того, что на этапе обучения анализируемые картинки с гантелями содержали руки, и нейронная сеть неверно это интерпретировала.

26 февраля 2016 года в Сан-Франциско на специальном аукционе представители Google выручили с психоделических картин, написанных искусственным интеллектом, порядка $98 тыс. Данные средства были пожертвованы на благотворительность. Одна из наиболее удачных картин машины представлена ниже.

Image:Картина_написанная_роботом_Google_2015.jpg

Картина, написанная искусственным интеллектом Google. Источник: factroom.ru

В начале 2016 года с помощью подобной технологии была написана картина «Следующий Рембрандт». Исследователи проекта Next Rembrandt в ходе своей работы проанализировали порядка 350 картин великого художника, используя 3D-сканеры, которые позволили нейронной сети уловить даже мельчайшие детали работ и копировать стиль написания всех произведений.

На втором этапе учёные определили, что конкретно нейронная сеть должна написать самостоятельно. Для этого выбрали мужчину 30-40 лет, имеющего растительность на лице, воротник и шляпу.

Image:Следующий_Рембрант_2015.jpg

Портрет "Следующий Рембрандт"

Полученные результаты оставляют двоякое ощущение. С одной стороны, все мы видим, что перед нами работа машины. С другой – если мы поставим рядом несколько полотен Рембрандта, то мало кто сможет отличить именно этот портрет.

Игры (го, покер, шахматы)

  • Летом 2017 года стало известно, что Microsoft Research и Maluuba, стартап в сфере глубокого обучения, приобретенный корпорацией в начале 2017 года, научили искусственный разум играть в одну из самых популярных компьютерных игр всех времён Ms. Pac-Man. И не просто научили, а сделали из него чемпиона, побившего мировой рекорд, установленный человеком.

Играя в версию знаменитой аркады Ms. Pac-Man, выпущенную для одной из первых домашних консолей Atari 2600, искусственный интеллект смог набрать максимальное количество возможных очков – достижение, которое прежде было немыслимо. Результат умной машины составил 999 990 баллов, тогда как лучший результат, поставленный человеком равен 266 360 баллам.

При обучении искусственного интеллекта использовался метод под названием «гибридная архитектура наград». Он заключается в том, что 150 специальным программам-агентам назначается конкретная задача: избегать призраков, правильно передвигаться, собирать гранулы и так далее. С помощью программ-агентов искусственный интеллект самостоятельно распределял приоритеты для достижения максимального результата. Версия игры Ms. Pac-Man для Atari 2600 использовалась неспроста. Код игры в ней менее предсказуем, чем в оригинальной версии. Стратегией разработки стало использование перспективного подхода обучения с подкреплением (reinforcement learning), который предполагает, что алгоритму даются для обработки примеры желаемого поведения, и он методом проб и ошибок совершенствуется. По словам ученых, работавших над проектом, такое достижение внесет вклад в обработку естественного языка, а также потенциально сможет лечь в основу систем детального предсказания покупательского поведения, обусловленного множеством факторов.

  • В 2016 году компьютер впервые обыграл человека в го[17]. В мае 2017 года сильнейший игрок в го Кэ Цзе из Китая проиграл вторую партию программе AlphaGo. Таким образом, AlphaGo обеспечила себе победу в турнире из трех партий. Кэ Цзе, отметили эксперты, следившие за матчем, «идеально» начал партию, создавая сложные для соперника комбинации по всему игровому полю. Однако AlphaGo удалось упростить игру и добиться победы.

  • В 2017-м под угрозой оказался покер — специалисты из Университета Карнеги — Меллон создали бота, который бросил вызов профессиональным игрокам. Программа Libratus, разработанная в Университете Карнеги — Меллона, победила в 20-дневном покерном турнире «Brains Vs. Artificial Intelligence: Upping the Ante». Компьютер выиграл фишек на сумму более 1,7 миллиона долларов, сообщает New Scientist[18].

В турнире, который проходил в питтсбургском казино Rivers было сыграно 120 тысяч раздач в безлимитный техасский холдем один на один (Хедз-Ап), против Libratus играли Даниэль МакОлэй, Джимми Чу, Донг Ким и Джейсон Лес. В результате 20-дневного турнира программа победила людей, заработав более 1,7 миллиона долларов в фишках. Несмотря на это, разработчик не получат никаких денег, а призовой фонд в 200 тысяч долларов будет поделен между четырьмя живыми игроками в зависимости от занятого места.

Точно не известно, как именно работает Libratus, авторы описали лишь общую структуру программы и планируют в ближайшем будущем опубликовать статью в рецензируемом журнале. По словам разработчиков, Libratus состоит из трех частей. Основное «ядро» Libratus было подготовлено заранее, вычисления заняли 15 миллионов ядро-часов, в то время как на Claudico ушло два-три миллиона. Вторая часть программы следила за возможными ошибками, которые могли допустить соперники, и учитывала в процессе игры эту информацию. Третья часть Libratus отслеживала собственные слабые стороны, которые могли использовать противники, и корректировала общую стратегию с учетом этих данных. Такой подход позволил программе как блефовать самостоятельно, так и распознавать дезинформацию со стороны соперников[19].

По мнению авторов программы у систем, подобных Libratus, большое будущее в самых разных сферах, где приходиться иметь дело с неполной информацией. В качестве возможных сфер применения программы исследователи называют информационную безопасность, военное дело, аукционы, переговоры и даже бережливое распределение медикаментов.


Покер — игра, в которую очень сложно обучить играть компьютер: хороший игрок быстро распознает стратегии, заложенные в искусственный интеллект, и находит способ победить бота. Особенно сложно компьютеру приходится, если ставки за покерным столом нелимитированы, то есть игрок может ставить в свой ход неограниченное количество фишек.

Тем не менее, покерные боты — очень популярное направление развития игры. Есть два типа покерных ботов. Одни довольно просты и сражаются с людьми в игре с маленькими ставками — в ней уровень покера очень низок, и люди не могут разгадать даже простейшие стратегии. Такие боты не очень интересны науке и служат для зарабатывания денег — покерные сайты, как правило, пытаются с ними бороться.

Второй тип — боты, которые соревнуются с профессионалами. Они нужны не только и не столько для зарабатывания денег, сколько для продвижения науки. Тема «игр с неполной информацией» сейчас одна из самых популярных в экономической науке — неслучайно Ллойд Шепли и Элвин Рот получили в 2012 году Нобелевскую премию по экономике именно за теорию стабильного распределения, которая связана как раз с «теорией игр». Если компьютер стабильно научится лучше человека играть в игры с неполной информацией, возможно, нам больше не придется торговаться и мучаться вопросом о том, не прогадали ли мы, покупая новый автомобиль с нужными нам характеристиками именно за эту цену — потому что решать за нас это будет приложение в смартфоне[20].

Фотография

ИИ-алгоритм может имитировать стиль профессиональных фотографов

4 августа 2017 года стало известно о том, что инженеры корпорации Google в ходе совместного исследования с учеными из Массачусетского технологического института (MIT) создали алгоритм, ретуширующий фотографии в режиме реального времени.[21]

Разработчики всё чаще прибегают к так называемой «вычислительной» фотографии: различным алгоритмам и ИИ-технологиям, призванным улучшать снимки, сделанные с помощью смартфонов. По утверждению представителей Google и MIT, их технология не просто позволит качественно обрабатывать фотографии, но и получать результат, сопоставимый с тем, как если бы этим занимался профессиональный фотограф.

В ходе тестирования нейронной сети было выбрано пять фотографий, созданных Adobe и MIT. Каждое изображение было отретушировано пятью различными фотографами. Затем полученные снимки использовались для того, чтобы определить, как именно можно улучшить каждое изображение за счёт регулировки яркости, насыщенности и прочих параметров.

Слева — оригинал 12-Мп фотографии, справа — та же фотография, обработанная алгоритмом Google-MIT
« Изображения, которые снимают современные камеры, зачастую воспринимаются как сырой материал для фотографии. Перед тем, как загрузить фотографию в соцсети, даже те, кто снимают на телефон, тратят минуту или две, выравнивая цвет и контраст с помощью популярных приложений, — говорится в блоге MIT. »

В основе алгоритма Google-MIT лежит «сверточная нейросеть». Вычислительная мощность современных мобильных устройств недостаточно высока для полноценной работы системы, но исследователи сумели обойти это ограничение — система выполняет большую часть вычислений на уменьшенной копии исходного изображения, а затем переносит результаты на фотографию в высоком разрешении.

Исследователи протестировали программу на обычном смартфоне (модель не указывается), и алгоритм смог в реальном времени выдавать на экран обработанное изображение с разрешением 1920×1080 и частотой обновления 40–50 Гц. Размер всего ПО не превышает размера одной цифровой фотографии и может использоваться для обработки снимков в различных стилях. По словам исследователей, нейронная сеть может быть «натренирована» на новом наборе изображений, чтобы имитировать стиль определённых фотографов.

Читайте также



  1. Искусственный интеллект (ИИ) / Artificial Intelligence (AI) как ключевой фактор цифровизации глобальной экономики
  2. Через несколько лет большинство приложений будет выпускаться со встроенным ИИ
  3. Внедрение ИИ увеличит выручку мирового бизнеса на 1,1 трлн. долл.
  4. При подготовке исследования эксперты SAP использовали следующую информацию: глубинные интервью с экспертами в сфере искусственного интеллекта, базы государственного финансирования научных проектов, общедоступная информация о проектах в области искусственного интеллекта и организациях-разработчиках интеллектуальных систем в интернете. В рамках исследования был проведен анализ компетенций и ресурсов в данной сфере в России, определены ведущие центры экспертизы и разработки в данной сфере, а также самые популярные и финансируемые сферы для исследований по направлению ИИ.
  5. Источник: J’son & Partners Consulting
  6. http://rtw.ml.cmu.edu/rtw/
  7. Стивен Хокинг назвал искусственный интеллект "возможным убийцей человеческой цивилизации"
  8. Медведев предрек смерть ряда профессий из-за цифровой экономики
  9. Are they taking over the workforce? Robots
  10. Work in progress. Towards a leaner, smarter public-sector workforce.
  11. Искусственный интеллект Facebook научился врать и торговаться
  12. Эрик Шмидт ратует за открытый ИИ без военных
  13. Искусственный интеллект для управления истребителями ALPHA
  14. Искусственный Пушкин
  15. В продажу поступил первый музыкальный альбом, записанный искусственным интеллектом
  16. Искусственный интеллект. Испытание творчеством
  17. Го-про Искусственный интеллект впервые одолел профессионального игрока в го: Wired Игра го была придумана более двух с половиной тысяч лет назад и до сих пор это одна из самых популярных игр в мире — по ней регулярно проводятся чемпионаты. На первый взгляд она очень простая: есть поле из клеток и камни — черные и белые. Игроки должны захватить своими камнями как можно большую площадь на доске. Тем не менее, именно эта игра многие годы была неподвластна компьютеру. До недавнего времени искусственный интеллект не мог обыгрывать игроков высокого уровня — магистров.
  18. AI just won a poker tournament against professional players
  19. Искусственный интеллект победил профессиональных игроков в покер
  20. Компьютер против человека. На этот раз в покер Искусственный интеллект пытается обыграть четырех профессиональных игроков
  21. ИИ-алгоритм может заменить профессиональных фотографов