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.

Что такое искусственный интеллект

• (J. McCarthy) ИИ разрабатывает машины, которым присуще разумное поведение
• (Britannica) ИИ - способность цифровых компьютеров решать задачи, которые обычно ассоциируются с высоко интеллектуальными возможностями человека
• (Файгенбаум) ИИ - разрабатывает интеллектуальные компьютерные системы обладающие возможностями, которые мы традиционно связываем с человеческим разумом: понимание языка, обучение, способность рассуждать, решать проблемы и т. д.
• (Elaine Rich) ИИ - наука о том, как научить компьютеры делать что-то, в чем на данный момент человек успешнее

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 1980-х гг. ученые в области теории вычислений Барр и Файгенбаум предложили следующее определение искусственного интеллекта (ИИ):

Позже к ИИ стали относить 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.

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

• обработка текста на естественном языке
• экспертные системы
• виртуальные агенты (чат-боты и виртуальные помощники)
• системы рекомендаций.

Методы ИИ: NLP, CV, Data Science

Естественный язык (NLP) Речевые технологии

• тексты: распознают, автоматически переводят
• речь: распознают, генерируют

• находят, отслеживают, классифицируют, идентифицируют объекты
• извлекают данные из изображений
• анализируют полученную информацию

Применяется для

• распознавания объектов
• описания содержания изображений и видео
• распознавания жестов и рукописного ввода
• интеллектуальной обработки изображений

• извлекают знания
• находят закономерности в данных
• прогнозируют

Используют методы

• Статистики
• Эконометрики
• Машинного обучения , Deep learning

Национальная стратегия развития искусственного интеллекта

• Основная статья: Национальная стратегия развития искусственного интеллекта

Исследования в сфере ИИ

• Основная статья: Исследования в сфере искусственного интеллекта

Стандартизация в области ИИ

Стандарты в области искусственного интеллекта в здравоохранении

2019

3 главных тренда искусственного интеллекта за 4 минуты

Росстандарт утвердил первые стандарты в области ИИ

Федеральное агентство по техническому регулированию и метрологии (Росстандарт) утвердило в декабре 2019 года первые национальные стандарты в области искусственного интеллекта – ГОСТ Р 58776-2019 «Средства мониторинга поведения и прогнозирования намерений людей. Термины и определения» и ГОСТ Р 58777-2019 «Воздушный транспорт. Аэропорты. Технические средства досмотра. Методика определения показателей качества распознавания незаконных вложений по теневым рентгеновским изображениям».

Стандарт призван обеспечить эффективную коммуникацию интеллектуальных робототехнических систем (в том числе беспилотных транспортных средств) с человеком. Взаимодействие интеллектуальных систем заключается в прогнозировании намерений друг друга и определении дальнейших действий на базе этого прогноза. Прогноз поведения также может использоваться для выявления людей с преступными намерениями.

Второй принятый стандарт, ГОСТ Р 58777-2019, устанавливает единые требования к системам и алгоритмам распознавания незаконного содержимого багажа и ручной клади по рентгеновским изображениям. Стандарт также повысит достоверность результатов испытаний систем и алгоритмов.

Терминологический стандарт «Artificial intelligence. Concepts and terminology» является основополагающим для всего семейства международных нормативно-технических документов в области искусственного интеллекта. Кроме терминов и определений, данный документ содержит концептуальные подходы и принципы построения систем с элементами , описание взаимосвязи AI с другими сквозными технологиями, а также базовые принципы и рамочные подходы к нормативно-техническому регулированию искусственного интеллекта.

По итогам заседания профильного подкомитета ISO/IEC в Дублине эксперты ISO/IEC поддержали предложение делегации из России о синхронной разработке терминологического стандарта в сфере AI не только на английском, но и на русском языке. Ожидается, что документ будет утвержден в начале 2021 года.

Развитие продуктов и услуг на базе искусственного интеллекта требует однозначной трактовки используемых понятий всеми участниками рынка. Стандарт терминологии позволит унифицировать «язык», на котором общаются разработчики, заказчики и профессиональное сообщество, классифицировать такие свойства продуктов на базе ИИ, как «безопасность», «воспроизводимость», «достоверность» и «конфиденциальность». Единая терминология также станет важным фактором для развития технологий искусственного интеллекта в рамках Национальной технологической инициативы – алгоритмы ИИ используют более 80% компаний в периметре НТИ. Кроме того, решение ISO/IEC позволит укрепить авторитет и расширить влияние российских экспертов при дальнейшей разработке международных стандартов.

В ходе заседания эксперты ISO/IEC также поддержали разработку проекта международного документа Information Technology - Artificial Intelligence (AI) - Overview of Computational Approaches for AI Systems, в котором Россия выступает в качестве соредактора. Документ предоставляет обзор современного состояния систем искусственного интеллекта, описывая основные характеристики систем, алгоритмы и подходы, а также примеры специализированных приложений в области AI. Разработкой этого проекта документа займется специально созданная в рамках подкомитета рабочая группа 5 «Вычислительные подходы и вычислительные характеристики систем Искусственного интеллекта» (SC 42 Working Group 5 «Computational approaches and computational characteristics of AI systems»).

В рамках работы на международном уровне делегации из России удалось добиться ряда знаковых решений, которые будут иметь долгосрочный эффект для развития в стране технологий искусственного интеллекта. Разработка русскоязычной версии стандарта, еще и со столь ранней фазы – гарантия синхронизации с международным полем, а развитие подкомитета ISO/IEC и инициация международных документов с российским соредакторством – это фундамент для дальнейшего продвижения интересов российских разработчиков за рубежом», - прокомментировал.

Технологии искусственного интеллекта широко востребованы в самых разных отраслях цифровой экономики . Среди основных факторов, сдерживающих их полномасштабное практическое использование, - неразвитость нормативной базы. При этом именно проработанная нормативно-техническая база обеспечивает заданное качество применения технологии и соответствующий экономический эффект.

По направлению искусственный интеллект ТК «Кибер-физические системы» на базе РВК ведет разработку ряда национальных стандартов, утверждение которых запланировано на конец 2019 – начало 2020 года. Кроме того, совместно с рыночными игроками идет работа по формированию Плана национальной стандартизации (ПНС) на 2020 год и далее. ТК «Кибер-физические системы» открыт для предложений по разработке документов со стороны заинтересованных организаций.

2018: Разработка стандартов в области квантовых коммуникаций, ИИ и умного города

Технический комитет «Кибер-физические системы» на базе РВК совместно с Региональным инжиниринговым центром «СэйфНет» 6 декабря 2018 года начали разработку комплекса стандартов для рынков Национальной технологической инициативы (НТИ) и цифровой экономики . К марту 2019 года планируется разработать документы технической стандартизации в области квантовых коммуникаций , и , сообщили в РВК. Подробнее .

Влияние искусственного интеллекта

Риск для развития человеческой цивилизации

Влияние на экономику и бизнес

• Влияние технологий искусственного интеллекта на экономику и бизнес

Влияние на рынок труда

Предвзятость искусственного интеллекта

В основе всего того, что является практикой ИИ (машинный перевод, распознавание речи, обработка текстов на естественных языках, компьютерное зрение , автоматизация вождения автомобилей и многое другое) лежит глубинное обучение. Это подмножество машинного обучения , отличающееся использованием моделей нейронных сетей , о которых можно сказать, что они имитируют работу мозга, поэтому их с натяжкой можно отнести к ИИ. Любая модель нейронной сети обучается на больших наборах данных , таким образом, она обретает некоторые «навыки», но то, как она ими пользуется - для создателей остается не ясным, что в конечном счете становится одной из важнейших проблем для многих приложений глубинного обучения. Причина в том, что такая модель работает с образами формально, без какого-либо понимания того, что она делает. Является ли такая система ИИ и можно ли доверять системам, построенным на основе машинного обучения? Значение ответа на последний вопрос выходит за пределы научных лабораторий. Поэтому заметно обострилось внимание средств массовой информации к явлению, получившему название AI bias. Его можно перевести как «необъективность ИИ» или «пристрастность ИИ». Подробнее .

Рынок технологий искусственного интеллекта

Рынок ИИ в России

Мировой рынок ИИ

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.

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.

Развитие применения использования ИИ ведет 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.

Использование ИИ в целях обороны и в военном деле

Использование в образовании

Использование ИИ в бизнесе

ИИ в борьбе с мошенничеством

11 июля 2019 года стало известно о том, что всего через два года искусственный интеллект и машинное обучение будут использоваться для противодействия мошенничеству в три раза чаще, чем на июль 2019 года. Такие данные были получены в ходе совместного исследования компании SAS и Ассоциации сертифицированных специалистов по расследованию хищений и мошенничества (Association of Certified Fraud Examiners, ACFE). На июль 2019 года такие антифрод -инструменты уже используют в 13% организаций, принявших участие в опросе, и в еще 25% заявили, что планируют их внедрить в течение ближайшего года-двух. Подробнее .

ИИ в электроэнергетики

• На уровне проектирования: улучшенное прогнозирование генерации и спроса на энергоресурсы, оценка надежности энергогенерирующего оборудования, автоматизация повышения генерации при скачке спроса.
• На уровне производства: оптимизация профилактического обслуживания оборудования, повышение эффективности генерации, снижение потерь, предотвращение краж энергоресурсов.
• На уровне продвижения: оптимизация ценообразования в зависимости от времени дня и динамическая тарификация.
• На уровне предоставления обслуживания: автоматический выбор наиболее выгодного поставщика, подробная статистика потребления, автоматизированное обслуживание клиентов, оптимизация энергопотребления с учетом привычек и поведения клиента.

ИИ в производственной сфере

• На уровне проектирования: повышение эффективности разработки новых продуктов, автоматизированная оценка поставщиков и анализ требований к запчастям и деталям.
• На уровне производства: совершенствование процесса исполнения задач, автоматизация сборочных линий, снижение количества ошибок, уменьшение сроков доставки сырья.
• На уровне продвижения: прогнозирование объемов предоставления услуг поддержки и обслуживания, управление ценообразованием.
• На уровне предоставления обслуживания: улучшение планирования маршрутов парка транспортных средств, спроса на ресурсы автопарка, повышение качества подготовки сервисных инженеров.

ИИ в банках

ИИ на транспорте

• Автоиндустрия на пороге революции: 5 вызовов эры беспилотного вождения

ИИ в логистике

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.

Музыка

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.

Картина, написанная искусственным интеллектом Google.

«Хочу заниматься ИИ. Что стоит изучить? Какие языки использовать? В каких организациях учиться и работать?»

Мы обратились за разъяснением к нашим экспертам, а полученные ответы представляем вашему вниманию.

Это зависит от Вашей базовой подготовки. Прежде всего, необходима математическая культура (знание статистики, теории вероятностей, дискретной математики, линейной алгебры, анализа и др.) и готовность многому быстро учиться. При реализации методов ИИ потребуется программирование (алгоритмы, структуры данных, ООП и др.).

Разные проекты требуют владения разными языками программирования. Я бы рекомендовал знать как минимум Python, Java и любой функциональный язык. Нелишним будет опыт работы с различными базами данных и распределёнными системами. Чтобы быстро изучать лучшие подходы, применяемые в индустрии, требуется знание английского языка.

Учиться рекомендую в хороших российских вузах! Например, в МФТИ, МГУ, ВШЭ есть соответствующие кафедры. Большое разнообразие тематических курсов доступно на Coursera, edX, Udacity, Udemy и других MOOC площадках. Некоторые ведущие организации имеют собственные программы подготовки в области ИИ (например, Школа анализа данных у Яндекса).

Прикладные задачи, решаемые методами ИИ, можно найти в самых разнообразных местах. Банки, финансовый сектор, консалтинг, ритейл, e-commerce, поисковые системы, почтовые сервисы, игровая индустрия, индустрия систем безопасности и, конечно, Avito – все нуждаются в специалистах различной квалификации.

Повысить Понизить

У нас есть проект по финтеху, связанный с машинным обучением и компьютерным зрением, в котором первый его разработчик писал все на C++, далее пришел разработчик, который все переписал на Python. Так что язык тут не самое главное, так как язык - это прежде всего инструмент, и от вас зависит, как его использовать. Просто на каких-то языках задачи решать быстрее, а на других более медленно.

Где учиться, сказать сложно – все наши ребята учились сами, благо есть интернет и Google.

Повысить Понизить

Могу посоветовать с самого начала готовить себя к тому, что учиться придётся много. Вне зависимости от того, что подразумевается под «заниматься ИИ» – работа с большими данными либо нейросети; развитие технологии или поддержка и обучение некой определённой уже разработанной системы.

Давайте ради конкретики возьмём трендовую профессию Data Scientist. Что делает этот человек? В общем и целом – собирает, анализирует и готовит к употреблению большие данные. Именно те, на которых растёт и тренируется ИИ. А что должен знать и уметь Data Scientist? Статический анализ и математическое моделирование – по умолчанию, причём на уровне свободного владения. Языки – скажем, R, SAS, Python. Также хорошо бы иметь какой-никакой опыт разработки. Ну и, вообще говоря, хороший дата-сайнтист должен уверенно себя чувствовать в БД, алгоритмике, визуализации данных.

Не сказать, чтобы такой набор знаний можно было получить в каждом втором техническом вузе страны. Крупные компании, у которых в приоритете разработка ИИ, это понимают и разрабатывают под себя соответствующие учебные программы – существует, например, Школа анализа данных от Яндекса. Но вы должны отдавать себе отчёт, что это не тот масштаб, где ты приходишь на курсы «с улицы», а выходишь с них готовым джуниором. Пласт большой, и идти учиться по дисциплине имеет смысл тогда, когда уже охвачена база (математика, статистика) хотя бы в рамках вузовской программы.

Да, времени уйдёт порядочно. Но игра стоит свеч, потому что хороший Data Scientist – это очень перспективно. И очень дорого. Есть ещё и другой момент. Искусственный интеллект – это, с одной стороны, уже не просто объект ажиотажа, а вполне себе вышедшая на виток продуктивности технология. С другой стороны, ИИ всё ещё только развивается. Для этого развития требуется много ресурсов, много навыков и много денег. Пока это уровень высшей лиги. Я сейчас скажу очевидную вещь, но, если вы хотите оказаться на острие атаки и своими руками двигать прогресс, цельтесь в компании уровня Facebook или Amazon.

В то же время в ряде областей технологию уже применяют: в банковской сфере, в телекоме, на промышленных предприятиях-гигантах, в ритейле. И там уже нужны люди, способные её поддерживать. Gartner прогнозирует, что к 2020 году 20% всех предприятий в развитых странах будут нанимать специальных сотрудников для тренировки нейронных сетей, используемых в этих компаниях. Так что пока ещё есть немного времени, чтобы подучиться самому.

Повысить Понизить

ИИ сейчас активно развивается, и предсказывать на десять лет вперед сложно. На ближайшие два-три года будут доминировать подходы на базе нейросетей и вычислений на основе GPU. Лидером в этой области является Python с интерактивной средой Jupyter и библиотеками numpy, scipy, tensorflow.

Есть много онлайн-курсов, которые дают базовое представление об этих технологиях и общих принципах ИИ, например курс Andrew Ng. И в плане обучения этой теме сейчас в России эффективнее всего самостоятельное обучение или в локальной группе по интересам (например, в Москве я знаю о существовании как минимум пары групп, где люди делятся опытом и знаниями).

Повысить Понизить

Повысить Понизить

На сегодняшний день самая быстро прогрессирующая часть искусственного интеллекта - это, пожалуй, нейронные сети.
Изучение нейросетей и ИИ стоит начать с освоения двух разделов математики - линейной алгебры и теории вероятности. Это обязательный минимум, незыблемые столпы искусственного интеллекта. Абитуриентам, желающим постичь основы ИИ, при выборе вуза, на мой взгляд, стоит обратить внимание на факультеты с сильной математической школой.

Следующий шаг - изучение проблематики вопроса. Существует огромное количество литературы, как учебной, так и специальной. Большинство публикаций по теме искусственного интеллекта и нейросетей написаны на английском языке, однако русскоязычные материалы тоже публикуются. Полезную литературу можно найти, например, в общедоступной цифровой библиотеке arxiv.org .

Если говорить о направлениях деятельности, то здесь можно выделить обучение прикладных нейронных сетей и разработку совершенно новых вариантов нейросетей. Яркий пример: существует такая очень востребованная сейчас специальность - «дата-сайентист» (Data Scientist). Это разработчики, которые, как правило, занимаются изучением и подготовкой неких наборов данных для обучения нейросетей в конкретных, прикладных областях. Резюмируя, подчеркну, что каждая специализация требует отдельного пути подготовки.

Повысить Понизить

Прежде чем приступать к узкопрофильным курсам, нужно изучить линейную алгебру и статистику. Погружение в ИИ я бы посоветовал начать с учебника «Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных», это неплохое пособие для начинающих. На Coursera стоит послушать вводные лекции К. Воронцова (подчеркну, что они требуют хорошего знания линейной алгебры) и курс «Machine Learning» Стэнфордского университета, который читает Andrew Ng, профессор и глава Baidu AI Group/Google Brain.

Основная масса пишется на Python, потом идут R, Lua.

Если говорить об учебных заведениях, лучше поступить на курсы при кафедрах прикладной математики и информатики, подходящие образовательные программы есть. Для проверки своих способностей можно принять участие в соревнованиях Kaggle, где предлагают свои кейсы крупные мировые бренды.

Повысить Понизить

В любом деле, прежде чем приступать к проектам, хорошо бы получить теоретический базис. Есть много мест, где можно получить формальную степень магистра по этому направлению, либо повысить свою квалификацию. Так, например, Сколтех предлагает магистерские программы по направлениям «Computational Science and Engineering» и «Data Science», куда входит курсы «Machine Learning» и «Natural Language Processing». Можно также упомянуть Институт Интеллектуальных Кибернетических систем НИЯУ МИФИ, Факультет вычислительной математики и кибернетики МГУ и Кафедру «Интеллектуальные системы» МФТИ.

Если же формальное образование уже имеется, есть ряд курсов на различных платформах MOOC. Так, например, EDx.org предлагает курсы по искусственному интеллекту от Microsoft и Колумбийского университета, последний из которых предлагает микро-магистерскую программу за умеренные деньги. Хотелось бы особо отметить, что обычно сами знания вы можете получить и бесплатно, оплата идет только за сертификат, если он нужен для вашего резюме.

Если же вы хотите «глубоко погрузиться» в тему, ряд компаний в Москве предлагает недельные интенсивы с практическими занятиями, и даже предлагают оборудование для экспериментов (например, newprolab.com), правда, цена таких курсов от нескольких десятков тысяч рублей.

Из компаний, которые занимаются разработкой Искусственного Интеллекта, вы наверняка знаете Яндекс и Сбербанк, но есть и многие другие разных размеров. Например, на этой неделе Минобороны открыло в Анапе Военный инновационный технополис ЭРА, одной из тем которого является разработка ИИ для военных нужд.

Повысить Понизить

Прежде чем изучать искусственный интеллект, надо решить принципиальный вопрос: красную таблетку взять или синюю.
Красная таблетка - стать разработчиком и окунуться в жестокий мир статистических методов, алгоритмов и постоянного постижения непознанного. С другой стороны, не обязательно сразу кидаться в «кроличью нору»: можно стать управленцем и создавать ИИ, например, как менеджер проекта. Это два принципиально разных пути.

Первый отлично подходит, если вы уже решили, что будете писать алгоритмы искусственного интеллекта. Тогда вам надо начать с самого популярного направления на сегодняшний день – машинного обучения. Для этого нужно знать классические статистические методы классификации, кластеризации и регрессии. Полезно будет также познакомиться с основными мерами оценки качества решения, их свойствами… и всем, что попадется вам по пути.

Только после того, как база освоена, стоит проштудировать более специальные методы: деревья принятия решений и ансамбли из них. На этом этапе нужно глубоко погрузиться в основные способы построения и обучения моделей - они скрываются за едва приличными словами беггинг, бустинг, стекинг или блендинг.

Тут же стоит познать методы контроля переобучения моделей (еще один «инг» - overfitting).

И, наконец, совсем уж джедайский уровень - получение узкоспециальных знаний. Например, для глубокого обучения потребуется овладеть основными архитектурами и алгоритмами градиентного спуска. Если интересны задачи обработки естественного языка, то рекомендую изучить рекуррентные нейронные сети. А будущим создателям алгоритмов для обработки картинок и видео стоит хорошенько углубиться в свёрточные нейронные сети.

Две последние упомянутые структуры - кирпичики популярных сегодня архитектур: состязательных сетей (GAN), реляционных сетей, комбинированных сетей. Поэтому изучить их будет нелишним, даже если вы не планируете учить компьютер видеть или слышать.

Совсем другой подход к изучению ИИ - он же «синяя таблетка» - начинается с поиска себя. Искусственный интеллект рождает кучу задач и целых профессий: от руководителей ИИ-проектов до дата-инженеров, способных готовить данные, чистить их и строить масштабируемые, нагруженные и отказоустойчивые системы.

Так что при «менеджерском» подходе сначала стоит оценить свои способности и бэкграунд, а уже потом выбирать, где и чему учиться. Например, даже без математического склада ума можно заниматься дизайном ИИ-интерфейсов и визуализациями для умных алгоритмов. Но приготовьтесь: уже через 5 лет искусственный интеллект начнет вас троллить и называть «гуманитарием».

Основные методы ML реализованы в виде готовых библиотек, доступных к подключению на разных языках. Наиболее популярными языками в ML сегодня являются: C++, Python и R.

Есть множество курсов как на русском, так и английском языках, таких как Школа анализа данных Яндекса, курсы SkillFactory и OTUS. Но прежде чем инвестировать время и деньги в специализированное обучение, думаю, стоит «проникнуться темой»: посмотреть открытые лекции на YouTube с конференций DataFest за прошлые годы, пройти бесплатные курсы от Coursera и «Хабрахабра».

Искусственный интеллект - это способность цифрового компьютера или управляемого компьютером робота выполнять задачи, обычно связанные с разумными существами. Термин часто применяется к проекту развития систем, наделенных интеллектуальными процессами, характерными для человека, такими как способность рассуждать, обобщать или учиться на прошлом опыте. Кроме того, определение понятия ИИ (искусственный интеллект) сводится к описанию комплекса родственных технологий и процессов, таких как, например, машинное обучение, виртуальные агенты и экспертные системы. Говоря простыми словами, ИИ - это грубое отображение нейронов в мозге. Сигналы передаются от нейрона к нейрону и, наконец, выводятся - получается числовой, категориальный или генеративный результат. Это можно проиллюстрировать на таком примере. если система делает снимок кошки и обучена распознавать, кошка это или нет, первый слой может идентифицировать общие градиенты, которые определяют общую форму кошки. Следующий слой может идентифицировать более крупные объекты, такие как уши и рот. Третий слой определяет более мелкие объекты (например, усы). Наконец, основываясь на этой информации, программа выведет «да» или «нет», чтобы сказать, является ли это кошкой или нет. Программисту не нужно «говорить» нейронам, что это те функции, которые они должны искать. ИИ изучил их сам по себе, тренируясь на многих изображениях (как с кошками, так и без кошек).

Что такое искусственный интеллект?

Описание искусственного нейрона

Искусственный нейрон - это математическая функция, задуманная как модель биологических нейронов, нейронной сети. Искусственные нейроны - элементарные единицы в искусственных нейросетях. Искусственный нейрон получает один или несколько входов и суммирует их, чтобы произвести выход или активацию, представляющую потенциал действия нейрона, который передается вдоль его аксона. Обычно каждый вход анализируется отдельно, и сумма передается через нелинейную функцию, известную как функция активации, или передаточная функция.

Когда началось исследование ИИ?

В 1935 году британский исследователь А.М. Тьюринг описал абстрактную вычислительную машину, которая состоит из безграничной памяти и сканера, перемещающегося вперед и назад по памяти, символ за символом. Сканер считывает то, что он находит, записывая дальнейшие символы. Действия сканера диктуются программой инструкций, которая также хранится в памяти в виде символов. Самая ранняя успешная программа ИИ была написана в 1951 году Кристофером Стрейчи. В 1952 году эта программа могла играть с человеком в шашки, удивляя всех своими способностями предсказывать ходы. В 1953 году Тьюринг опубликовал классическую раннюю статью о шахматном программировании.

Отличие искусственного интеллекта от естественного

Интеллект можно определить как общую умственную способность к рассуждению, решению проблем и обучению. В силу своей общей природы интеллект интегрирует когнитивные функции, такие как восприятие, внимание, память, язык или планирование. естественный интеллект отличает осознанное отношение к миру. Мышление человека всегда эмоционально окрашено, и его нельзя отделить от телесности. Кроме того, человек - существо социальное, поэтому на мышление всегда влияет социум. ИИ не имеет отношения к эмоциональной сфере и социально не ориентирован.

Как сравнить человеческий и компьютерный интеллекты?

Сравнить мышление человека с искусственным интеллектом можно исходя из нескольких общих параметров организации мозга и машины. Деятельность компьютера, как и мозга, включает четыре этапа: кодирование, хранение, анализ данных и выдачу результата. Кроме того, мозг человека и ИИ могут самообучаться в зависимости от данных, полученных из окружающей среды. Также человеческий мозг и машинный интеллект решают проблемы (или задачи), используя определенные алгоритмы.

У компьютерных программ есть IQ?

Нет. Показатель IQ связан с развитием интеллекта человека в зависимости от возраста. ИИ в чем-то превышает некоторые человеческие способности, например может удерживать в памяти огромное количество цифр, но это не имеет отношения к IQ.

Что такое тест Тьюринга?

Алан Тьюринг разработал эмпирический тест, который показывает, способна ли программа уловить все нюансы поведения человека до такой степени, что человек не сможет определить, с кем именно он общается - с ИИ или с живым собеседником. Тьюринг предложил, чтобы сторонний наблюдатель оценивал разговор между человеком и машиной, которая отвечает на вопросы. Судья не видит, кто именно отвечает, но знает, что один из собеседников - ИИ. Разговор ограничен только текстовым каналом (компьютерная клавиатура и экран), поэтому результат не зависит от способности машины отображать слова как человеческую речь. В случае, если программе удается обмануть человека, считается, что она эффективно справилась с тестом.

Символьный подход

Символьный подход к ИИ - совокупность всех методов исследования искусственного интеллекта, основанных на высокоуровневых символических (читаемых человеком) представлениях о задачах, логике и поиске. Символьный подход широко применялся в исследованиях ИИ в 1950–80-х годах. Одной из популярных форм символьного подхода являются экспертные системы, использующие сочетание определенных правил производства. Производственные правила связывают символы в логические связи, которые подобны алгоритму If-Then. Экспертная система обрабатывает правила, чтобы сделать выводы и определить, какая дополнительная информация ей нужна, то есть какие вопросы задавать, используя удобочитаемые символы.

Логический подход

Термин «логический подход» предполагает апеллирование к логике, размышлениям, решению задач с помощью логических шагов. Логики еще в XIX веке разработали точные обозначения для всех видов объектов в мире и отношений между ними. К 1965 году существовали программы, которые могли решить любую логическую задачу (пик популярности данного подхода пришелся на конец 1950–70-х годов). Сторонники логического подхода в рамках логического искусственного интеллекта надеялись выстроить на таких программах (в частности, записанных на языке Prolog) интеллектуальные системы. Однако у такого подхода два ограничения. Во-первых, нелегко взять неформальное знание и изложить его в формальных терминах, которые требуются для обработки ИИ. Во-вторых, есть большая разница между решением проблемы в теории и ее решением на практике. Даже проблемы с несколькими сотнями фактов могут исчерпать вычислительные ресурсы любого компьютера, если у него нет каких-либо указаний относительно того, какие рассуждения надо использовать в первую очередь.

Агентно-ориентированный подход

Агент - это то, что действует (от лат. agere, «делать»). Конечно, все компьютерные программы что-то делают, но ожидается, что компьютерные агенты будут делать больше: работать автономно, воспринимать сигналы окружающей среды (с помощью специальных датчиков), адаптироваться к изменениям, создавать цели и выполнять их. Рациональный агент - это тот, кто действует так, чтобы достичь наилучшего ожидаемого результата.

Гибридный подход

Предполагается, что этот подход, который стал популярным в конце 80-х, работает наиболее эффективно, так как представляет собой сочетание символьных и нейронных моделей. Гибридный подход увеличивает когнитивные и вычислительные возможности машины.

Рынок технологий искусственного интеллекта

Ожидается, что рынок к 2025 году вырастет до 190,61 млрд долларов, при ежегодном темпе прироста - 36,62%. На рост рынка влияют такие факторы, как внедрение облачных приложений и сервисов, появление больших массивов данных и активный спрос на интеллектуальных виртуальных помощников. Однако экспертов, разрабатывающих и внедряющих технологии ИИ, пока немного, и это сдерживает рост рынка. Системам, созданным на основе ИИ, необходима интеграция и техническая поддержка при обслуживании.

Процессоры для ИИ

Современные задачи ИИ требуют мощных процессоров, которые могут обрабатывать огромные массивы данных. Процессоры должны иметь доступ к большим объемам памяти, также устройству необходимы высокоскоростные каналы передачи данных.

В России

В конце 2018 года в России запустили серию серверов «Эльбрус-804», показывающих высокую производительность. Каждый из компьютеров оснащен четырьмя восьмиядерными процессорами. С помощью данных устройств можно выстроить вычислительные кластеры, они позволяют работать с приложениями и базами данных.

Мировой рынок

Драйверами и лидерами рынка являются две корпорации - Intel и AMD, производители самых мощных процессоров. Intel традиционно концентрируется на выпуске машин с более высокой тактовой частотой, AMD ориентирована на постоянное увеличение числа ядер и обеспечение многопоточной производительности.

Национальная концепция развития

Национальные стратегии развития ИИ уже утвердили три десятка стран. В октябре 2019 года проект Национальной стратегии развития ИИ должен быть принят в России. Предполагается, что в Москве будет введен правовой режим, облегчающий разработку и внедрение технологий ИИ.

Исследования в сфере ИИ

Вопросы, что такое искусственный интеллект и как он работает, волнуют ученых разных стран уже не одно десятилетие. Госбюджет США ежегодно направляет 200 млн долларов на исследования. В России за 10 лет - с 2007-го по 2017-й - было выделено около 23 млрд рублей. Разделы по поддержке исследований в сфере ИИ станут важной частью концепции национальной стратегии. В скором времени в России откроются новые научные центры, а также будет продолжена разработка инновационного ПО для ИИ.

Стандартизация в области ИИ

Нормы и правила в области ИИ в России находятся в процессе постоянной доработки. Предполагается, что в конце 2019 - начале 2020 года будут утверждены национальные стандарты, которые сейчас разрабатывают лидеры рынка. Параллельно формируется План национальной стандартизации на 2020 год и далее. В мире работает стандарт «Искусственный интеллект. Концепция и терминология», и в 2019 году эксперты начали разрабатывать его русифицированную версию. Документ должен быть утвержден в 2021 году.

Влияние искусственного интеллекта

Внедрение ИИ неразрывно связано с научно-техническим прогрессом, и сферы применения расширяются с каждым годом. Мы сталкиваемся с этим каждый день в жизни, когда крупная розничная сеть в интернете рекомендует нам какой-то товар или, только открыв компьютер, мы видим рекламу фильма, который как раз хотели посмотреть. Эти рекомендации основаны на алгоритмах, анализирующих то, что купил или смотрел потребитель. За этими алгоритмами стоит искусственный интеллект.

Риск для развития человеческой цивилизации - есть ли он?

Илон Маск считает, что развитие ИИ может угрожать человечеству и результаты могут оказаться страшнее, чем применение ядерного оружия. Стивен Хокинг, британский ученый, опасается, что люди могут создать искусственный интеллект, обладающий сверхразумом, который может нанести вред человеку.

На экономику и бизнес

Проникновение технологии ИИ во все сферы экономики увеличит к 2030 году объем глобального рынка услуг и товаров на 15,7 трлн долларов. США и Китай пока лидеры с точки зрения всевозможных проектов в сфере ИИ. Развитые страны - Германия, Япония, Канада, Сингапур - также стремятся реализовать все возможности. Многие страны, экономика которых растет умеренными темпами, такие как Италия, Индия, Малайзия, развивают сильные стороны в конкретных областях применения ИИ.

На рынок труда

Глобальное влияние ИИ на рынок труда будет идти по двум сценариям. Во-первых, распространение некоторых технологий будет приводить к увольнению большого количества людей, так как выполнение многих задач возьмут на себя компьютеры. Во-вторых, в связи с развитием технического прогресса специалисты в сфере ИИ будут очень востребованы во многих отраслях.

Предвзятость ИИ

Предвзятость системы ИИ, вероятно, станет все более распространенной проблемой, поскольку искусственный интеллект выходит из лабораторий в реальный мир. Исследователи опасаются, что без надлежащей подготовки по оценке данных и выявлению потенциала предвзятости в данных уязвимые группы общества могут пострадать или их права будут ущемлены. До сих пор у исследователей нет данных, не будут ли угрожать человечеству системы, построенные на основе машинного обучения.

Сферы применения

Искусственный интеллект и его области применения претерпевают трансформацию. Определение Weak AI («слабый ИИ») используется, когда речь идет о реализации узких задач в медицинской диагностике, электронных торговых платформах, управлении роботами. Тогда как Strong AI («сильный ИИ») исследователи определяют как интеллект, перед которым ставятся глобальные задачи, как если бы их ставили перед человеком.

Использование в целях обороны и в военном деле

К 2025 году показатель продаж соответствующих сервисов, программного обеспечения и оборудования в глобальном масштабе поднимется до 18,82 млрд долларов, а ежегодный рост рынка составит 14,75%. ИИ применяется для агрегации данных, в биоинформатике, при обучении войск, в оборонном секторе.

В образовании

Многие школы включают в образовательный курс информатики ознакомительные уроки по ИИ, а университеты широко применяют технологии больших данных. Некоторые программы контролируют поведение учащихся, оценивают тесты и эссе, распознают ошибки в произношении слов и предлагают варианты исправления.

Также существуют онлайн-курсы по искусственному интеллекту. Например, у образовательного портала .

В бизнесе и торговле

В ближайшие пять лет у ведущих ретейлеров появятся мобильные приложения, которые будут работать с цифровыми помощниками, такими как Siri, чтобы упростить процесс совершения покупок. ИИ позволяет зарабатывать огромные суммы в интернете. Один из примеров - Amazon, который постоянно анализирует потребительское поведение и совершенствует алгоритмы.

Где можно учиться по теме #искусственный интеллект

В электроэнергетике

ИИ помогает прогнозировать генерацию и спрос на энергоресурсы, снижать потери, предотвращает кражи ресурсов. В электроэнергетике использование ИИ при анализе статистических данных помогает выбрать наиболее выгодного поставщика или автоматизировать обслуживание клиентов.

В производственной сфере

Согласно опросу McKinsey, проведенному среди 1300 руководителей, 20% предприятий уже применяют ИИ. Недавно компания «Моссельпром» внедрила ИИ у себя на производстве в цеху упаковки. Используется способность ИИ к распознаванию изображения. Камера фиксирует все действия работника, сканируя штрих-код, нанесенный на одежду, и отправляет данные в компьютер. Количество совершенных операций напрямую влияет на оплату труда сотрудника.

В пивоварении

Carlsberg использует машинное обучение для отбора дрожжей и расширения ассортимента. Технология реализуется на базе цифровой облачной платформы.

В банковской сфере

Потребность в надежной обработке данных, развитие мобильных технологий, доступность информации и распространение программного обеспечения с открытым исходным кодом делают ИИ востребованной технологией в банковском секторе. Все больше банков привлекают заемные средства с помощью компаний-разработчиков мобильных приложений. Новые технологии улучшают обслуживание клиентов, и, как предсказывают аналитики, уже через пять лет ИИ в банках будет принимать большинство решений самостоятельно.

На транспорте

Развитие технологий ИИ - драйвер транспортной отрасли. Мониторинг состояния дорог, обнаружение пешеходов или объектов в неположенных местах, автономное вождение, облачные сервисы в автомобилестроении - лишь немногие примеры применения ИИ на транспорте.

В логистике

Возможности ИИ позволяют компаниям более эффективно прогнозировать спрос и выстраивать цепи поставок с минимальными затратами. ИИ помогает сократить количество используемых транспортных средств, необходимых для перевозки, оптимизировать время доставки, снизить эксплуатационные расходы транспорта и складских помещений.

На рынке предметов и услуг роскоши

Люксовые бренды также обратились к цифровым технологиям, чтобы анализировать потребности клиентов. Одна из задач, которая ставится перед разработчиками в этом сегменте, - управление эмоциями клиентов и влияние на них. Dior уже адаптирует ИИ для управления взаимодействием клиента и бренда с помощью чат-ботов. Люксовые бренды будут конкурировать в будущем, и решающим будет уровень персонализации, которого они смогут достичь с помощью ИИ.

В госуправлении

Государственные аппараты многих стран пока не готовы к вызовам, которые спрятаны в технологиях ИИ. Согласно прогнозам экспертов, многие из существующих правительственных структур и процессов, которые развивались в течение последних нескольких столетий, вероятно, станут неактуальными в ближайшем будущем.

В криминалистике

Разные подходы ИИ применяются для выявления преступников в общественных местах. В некоторых странах, например в Голландии, полиция использует ИИ для расследования сложных преступлений. Цифровая криминалистика - развивающаяся наука, которая требует интеллектуального анализа огромных объемов очень сложных наборов данных.

В судебной системе

Разработки в области искусственного интеллекта помогут кардинально изменить судебную систему, сделать ее более справедливой и свободной от коррупции. Одними из первых ИИ в судебной системе стал применять Китай. Можно предположить, что роботы-судьи со временем смогут оперировать большими данными из хранилищ государственных служб. Машинный интеллект анализирует огромное количество данных, и он не испытывает эмоции, как судья-человек. ИИ может оказать огромное влияние на обработку информации и сбор статистики, а также прогнозировать возможные правонарушения исходя из анализа данных.

В спорте

Применение ИИ в спорте стало обычным явлением в последние годы. Спортивные команды (бейсбол, футбол и т.д.) анализируют индивидуальные данные о производительности игроков, учитывая разные факторы при подборе. ИИ может предсказать будущий потенциал игроков, анализируя технику игры, физическое состояние и другие данные, а также оценить их рыночную стоимость.

В медицине здравоохранении

Эта сфера применения стремительно развивается. ИИ используется в диагностике заболеваний, клинических исследованиях, при разработке лекарств и при создании медицинских страховок. Кроме того, сейчас наблюдается бум инвестирования в многочисленные медицинские приложения и устройства.

Анализ поведения граждан

Наблюдение за поведением граждан широко применяется в сфере безопасности, в том числе отслеживается поведение на сайтах (в социальных сетях) и в мессенджерах. Например, в 2018 году китайским ученым удалось выявить 20 тысяч потенциальных самоубийц и оказать им психологическую помощь. В марте 2018 года Владимир Путин поручил активизировать действия государственных органов по борьбе с негативным воздействием деструктивных движений в социальных сетях.

В развитии культуры

Алгоритмы ИИ начинают генерировать художественные произведения, которые сложно отличить от созданных человеком. ИИ предлагает людям творческих профессий множество инструментов для воплощения замыслов. Именно сейчас меняется понимание роли художника в широком смысле, так как ИИ дает массу новых методов, но и ставит перед человечеством много новых вопросов.

Живопись

Искусство издавна считалось исключительной сферой человеческого творчества. Но оказалось, что машины могут сделать гораздо больше в творческой сфере, чем люди могут себе представить. В октябре 2018 года Christie’s продал первую картину, созданную ИИ, за 432 500 долларов. Использовался алгоритм генеративной состязательной сети, который анализировал 15 000 портретов, созданных между XV и XX веком.

Музыка

Разработано несколько музыкальных программ, которые используют ИИ для создания музыки. Как и в других областях, ИИ в этом случае также имитирует умственную задачу. Заметной особенностью является способность алгоритма ИИ учиться на основе полученной информации, такой как технология компьютерного сопровождения, которая способна слушать и следовать за человеком-исполнителем. ИИ также управляет так называемой интерактивной композиционной технологией, в которой компьютер сочиняет музыку в ответ на выступление живого музыканта. В начале 2019 года Warner Music заключила первый в истории контракт с исполнителем - алгоритмом Endel. По условиям контракта, в течение года нейросеть Endel выпустит 20 уникальных альбомов.

Фотография

ИИ быстро меняет наше представление о фотографии. Всего через пару лет большинство достижений в этой сфере будут ориентированы на ИИ, а не на оптику или сенсоры, как раньше. Прогресс в технологии фотографии впервые не будет связан с физикой и создаст совершенно новый способ фотомышления. Уже сейчас нейросеть распознает малейшие изменения при моделировании лиц в фоторедакторах.

Видео: замена лиц

В 2015 году Facebook начала тестировать на сайте технологию DeepFace. В 2017 Reddit-юзер DeepFakes придумал алгоритм, позволяющий создавать реалистичные видео с заменой лица, используя нейросети и машинное обучение.

СМИ и литература

В 2016 году ИИ Google, проанализировав 11 тысяч неизданных книг, начал писать свои первые литературные произведения. Исследователи Facebook AI Research в 2017 году придумали систему нейросетей, которая умеет писать стихи на любую тему. В ноябре 2015 года направление подготовки автоматических текстов открыла российская компания «Яндекс».

Игры го, покер, шахматы

В 2016 году ИИ обыграл человека в го (игра, в которой более 10 100 вариантов). В шахматах суперкомпьютер победил человека-игрока из-за возможности хранения в памяти когда-либо сыгранных людьми ходов и программирования новых на 10 шагов вперед. В покер сейчас играют боты, хотя раньше считалось, что компьютер почти невозможно обучить играть в эту карточную игру. С каждым годом разработчики все более совершенствуют алгоритмы.

Распознавание лиц

Технология распознавания лиц применяется как для фото-, так и видеопотоков. Нейронные сети выстраивают векторный, или «цифровой», шаблон лица, далее происходит сравнение этих шаблонов внутри системы. Она находит опорные точки на лице, которые определяют индивидуальные характеристики. Алгоритм вычисления характеристик различен для каждой из систем и является главным секретом разработчиков.

Для дальнейшего развития и применения ИИ необходимо обучать прежде всего человека

Сергей Ширкин

Декан факультета Искусственного интеллекта

Технологии искусственного интеллекта в таком виде, в каком они применяются сейчас, существуют около 5–10 лет, но для того, чтобы их применить, как это ни странно, требуется большое количество людей. Соответственно, основные расходы в сфере искусственного интеллекта - это расходы на специалистов. Тем более что почти все базовые технологии искусственного интеллекта (библиотеки, фреймворки, алгоритмы) бесплатны и находятся в открытом доступе. Одно время найти специалистов по машинному обучению было практически невозможным делом. Но сейчас, во многом благодаря развитию MOOC (англ. Massive Open Online Course, массовый открытый онлайн-курс) их становится больше. Высшие образовательные учреждения тоже поставляют специалистов, но и им часто приходится доучиваться на онлайн-курсах.

Сейчас искусственный интеллект вполне может распознать, что человек задумал сменить работу, и может предложить ему соответствующие онлайн-курсы, многие из которых можно проходить, имея в наличии лишь смартфон. А это означает, что заниматься можно даже находясь в пути - например, по дороге на работу. Одним из первых таких проектов был онлайн-ресурс Coursera, но позже появилось много подобных образовательных проектов, каждый из которых занимает определенную нишу в онлайн-образовании.

Нужно понимать, что ИИ, как и любая программа, - это прежде всего код, то есть определенным образом оформленный текст. Этот код нуждается в развитии, обслуживании и совершенствовании. К сожалению, само собой это не происходит, без программиста код не может «ожить». Поэтому все страхи о всемогуществе ИИ не имеют оснований. Программы создаются под строго определенные задачи, они не обладают чувствами и устремлениями подобно человеку, они не совершают действий, которые в них не заложил программист.

Можно сказать, что в наше время ИИ обладает лишь отдельными навыками человека, хотя и может в быстроте их применения опережать среднестатистического человека. Правда, на выработку каждого такого навыка тратятся многочасовые усилия тысяч программистов. Самое большое, на что пока способен ИИ - автоматизировать некоторые физические и умственные операции, освобождая тем самым людей от рутины.

Несет ли применение ИИ какие-то риски? Скорее сейчас существует риск не разглядеть возможность применения технологий искусственного интеллекта. Многие компании осознают это и пытаются развиваться сразу в нескольких направлениях в расчете на то, что какое-то из них может «выстрелить». Показателен пример интернет-магазинов: сейчас на плаву остались только те, кто осознал необходимость применения ИИ, когда это еще не было в тренде, хотя вполне можно было «сэкономить» и не приглашать непонятно зачем нужных математиков-программистов.

Перспектива развития искусственного интеллекта

Компьютеры теперь могут делать многое из того, что раньше могли делать только люди: играть в шахматы, распознавать буквы алфавита, проверять орфографию, грамматику, распознавать лица, диктовать, говорить, выигрывать игровые шоу и многое другое. Но скептики упорствуют. Как только удается автоматизировать очередную человеческую способность, скептики говорят, что это лишь еще одна компьютерная программа, а не пример самообучающегося ИИ. Технологии ИИ только находят широкое применение и имеют огромный потенциал роста во всех сферах. Со временем человечество будет создавать все более мощные компьютеры, которые будут все более совершенствоваться в развитии ИИ.

Является ли целью ИИ поместить человеческий разум в компьютер?

Существует только приблизительное понимание того, как работает человеческий мозг. Пока далеко не все свойства разума возможно имитировать с помощью ИИ.

Сможет ли ИИ достичь человеческого уровня интеллекта?

Ученые стремятся к тому, чтобы ИИ мог решать еще больше разнообразных задач. Но о достижении уровня человеческого интеллекта говорить преждевременно, так как мышление не сводится только к одним алгоритмам.

Когда искусственный интеллект сможет достичь уровня человеческого мышления?

На данном этапе накопления и анализа информации, который сейчас достигнут человечеством, ИИ далек от человеческого мышления. Однако в будущем могут возникнуть прорывные идеи, которые повлияют на резкий скачок в развитии ИИ.

Может ли компьютер стать интеллектуальной машиной?

Часть любой сложной машины - это компьютерная система, и тут возможно говорить только об интеллектуальных компьютерных системах. Сам компьютер не обладает интеллектом.

Есть ли связь между скоростью и развитием интеллекта у компьютеров?

Нет, скорость отвечает только за некоторые свойства интеллекта. Самой по себе скорости обработки и анализа информации недостаточно, чтобы появился интеллект.

Возможно ли создать детскую машину, которая могла бы развиваться с помощью чтения и самообучения?

Это обсуждается исследователями уже почти сто лет. Вероятно, идея когда-нибудь будет реализована. На сегодня программы ИИ не обрабатывают и не используют столько информации, сколько могут делать дети.

Как связаны с ИИ теория вычислимости и вычислительная сложность?

Теория вычислительной сложности фокусируется на классификации вычислительных задач в соответствии с присущей им сложностью и связывании этих классов друг с другом. Вычислительная задача - это задача, решаемая компьютером. Задача вычисления разрешима механическим применением математических шагов, таких как алгоритм.

Заключение

Искусственный интеллект уже оказал огромное влияние на развитие нашего мира, что было невозможно предсказать еще столетие назад. «Умные» телефонные сети маршрутизируют звонки более эффективно, чем любой человек-оператор. Автомобили строятся на беспилотных заводах автоматизированными роботами. Искусственный интеллект интегрируется в самые обычные бытовые предметы, например в пылесос. Механизмы ИИ до конца не изучены, но эксперты прогнозируют, что развитие ИИ еще более приблизится к развитию человеческого мозга уже в ближайшие годы.

В этом году компания «Яндекс» запустила голосового помощника «Алиса». Новый сервис позволяет пользователю прослушивать новости и погоду, получать ответы на вопросы и просто общаться с ботом. «Алиса» иногда дерзит , порой кажется почти разумной и по-человечески саркастичной , но часто не может разобраться, о чём её спрашивают, и садится в лужу.

Всё это породило не только волну шуток, но и новый виток дискуссий о развитии искусственного интеллекта. Новости о том, чего добились умные алгоритмы, сегодня приходят чуть ли не каждый день, а машинное обучение называют одним из самых перспективных направлений, которому можно себя посвятить.

Чтобы прояснить главные вопросы об искусственном интеллекте, мы побеседовали с Сергеем Марковым, специалистом по искусственному интеллекту и методам машинного обучения, автором одной из самых сильных отечественных шахматных программ SmarThink и создателем проекта «XXII век» .

Сергей Марков,

специалист по искусственному интеллекту

Развенчивая мифы об ИИ

так что же такое «искусственный интеллект»?

Понятию «искусственный интеллект» в какой-то мере не повезло. Возникшее изначально в научной среде, оно со временем проникло в фантастическую литературу, а через неё - в поп-культуру, где претерпело целый ряд изменений, обросло множеством интерпретаций и в конце-концов было совершенно мистифицировано.

Именно поэтому мы часто слышим от неспециалистов примерно такие заявления: «ИИ не существует», «ИИ невозможно создать». Непонимание сути исследований, ведущихся в сфере ИИ, легко приводит людей и к другим крайностям - например, современным системам ИИ приписывают наличие сознания, свободной воли и секретных мотивов.

Давайте попробуем отделить мух от котлет.

В науке искусственным интеллектом называют системы, предназначенные для решения интеллектуальных задач.

В свою очередь, интеллектуальная задача - это задача, которую люди решают при помощи собственного интеллекта. Заметим, что в данном случае специалисты сознательно уходят от определения понятия «интеллект», поскольку до появления систем ИИ единственным примером интеллекта был интеллект человеческий, и определить понятие интеллекта на основе единственного примера - то же самое, что пытаться провести прямую через единственную точку. Таких прямых может оказаться сколько угодно много, а значит, спор о понятии интеллекта можно было бы вести столетиями.

«сильный» и «слабый» искусственный интеллект

Системы ИИ делятся на две большие группы.

Прикладной искусственный интеллект (также используют термин «слабый ИИ» или «узкий ИИ», в английской традиции - weak/applied/narrow AI) - это ИИ, предназначенный для решения какой-либо одной интеллектуальной задачи или их небольшого множества. К этому классу относятся системы для игры в шахматы, го, распознавания образов, речи, принятия решения о выдаче или невыдаче банковского кредита и так далее.

В противоположность прикладному ИИ вводят понятие универсального искусственного интеллекта (также «сильный ИИ», по-английски - strong AI/Artificial General Intelligence) - то есть, гипотетического (пока что) ИИ, способного решать любые интеллектуальные задачи.

Часто люди, не зная терминологии, отождествляют ИИ с сильным ИИ, из-за этого и возникают суждения в духе «ИИ не существует».

Сильного ИИ действительно пока не существует. Практически все успехи, которые мы наблюдаем в последнее десятилетие в области ИИ, - это успехи прикладных систем. Эти успехи нельзя недооценивать, так как прикладные системы в ряде случаев способны решать интеллектуальные задачи лучше, чем это делает универсальный человеческий интеллект.

Я думаю, вы заметили, что понятие ИИ - довольно широкое. Скажем, устный счёт - это тоже интеллектуальная задача, и это значит, что любая счётная машина будет считаться системой ИИ. А как насчёт счётов? Абака ? Антикитерского механизма ? Действительно, всё это формально хотя и примитивные, но системы ИИ. Однако обычно, называя какую-то систему системой ИИ, мы тем самым подчёркиваем сложность решаемой этой системой задачи.

Совершенно очевидно, что разделение интеллектуальных задач на простые и сложные - весьма искусственное, и наши представления о сложности тех или иных задач постепенно меняются. Механическая счётная машина была чудом техники в XVII веке, но сегодня людей, с детства сталкивающихся с куда более сложными механизмами, она уже не способна впечатлить. Когда игра машин в го или автомобильные автопилоты уже перестанут удивлять публику, наверняка найдутся люди, которые будут морщиться из-за того, что кто-то будет относить такие системы к ИИ.

«Роботы-отличники»: о способностях ИИ к обучению

Ещё одно забавное заблуждение - всенепременное наличие у систем ИИ способности к самообучению. С одной стороны, это совсем не обязательное свойство систем ИИ: есть множество удивительных систем, не способных самообучаться, но, тем не менее, решающих многие задачи лучше человеческого мозга. С другой стороны, некоторые люди просто не знают того, что самообучение - свойство, которые многие системы ИИ обрели ещё более полусотни лет назад.

Когда в 1999 году я писал свою первую шахматную программу, самообучение уже было совершенно общим местом в этой области - программы умели запоминать опасные позиции, подстраивать под себя дебютные варианты, регулировать стиль игры, подстраиваясь под соперника. Конечно, тем программам было ещё очень далеко до Alpha Zero . Тем не менее, даже системы, обучающиеся поведению на основе взаимодействия с другими системами в ходе экспериментов по так называемому «обучению с подкреплением», уже существовали. Однако по необъяснимой причине некоторые люди до сих пор думают, что способность к самообучению - это прерогатива человеческого интеллекта.

Машинное обучение, целая научная дисциплина, занимается процессами обучения машин решению тех или иных задач.

Существует два больших полюса машинного обучения - обучение с учителем и обучение без учителя.

При обучении с учителем у машины уже есть некоторое количество условно правильных решений для некоторого набора случаев. Задача обучения в таком случае заключается в том, чтобы научить машину на основе имеющихся примеров принимать правильные решения в других, неизвестных ситуациях.

Другая крайность - обучение без учителя . То есть машину ставят в ситуацию, когда правильные решения неизвестны, имеются только данные в сыром, неразмеченном виде. Оказывается, и в таких случаях можно добиться некоторого успеха. Например, можно научить машину выявлению семантических отношений между словами языка на основе анализа очень большого набора текстов.

Одна из разновидностей обучения с учителем - это обучение с подкреплением (reinforcement learning). Идея заключается в том, что система ИИ выступает в роли агента, помещённого в некоторую модельную среду, в которой она может взаимодействовать с другими агентами, например, с собственными копиями, и получать от среды некоторую обратную связь через функцию вознаграждения. Например, шахматная программа, которая играет сама с собой, постепенно подстраивая свои параметры и тем самым постепенно усиливая собственную игру.

Обучение с подкреплением - довольно широкая область, в ней применяют множество интересных методов, начиная от эволюционных алгоритмов и заканчивая байесовской оптимизацией . Последние достижения в области ИИ для игр как раз связаны с усилением ИИ в ходе обучения с подкреплением.

Риски развития технологий: стоит ли бояться «Судного дня»?

Я не отношусь к числу ИИ-алармистов, и в этом смысле я отнюдь не одинок. Например, создатель стэнфордского курса по машинному обучению Эндрю Ын сравнивает проблему опасности ИИ с проблемой перенаселения Марса.

Действительно, в будущем вполне вероятно, что люди колонизируют Марс. Также вероятно, что рано или поздно на Марсе может возникнуть проблема перенаселения, но не совсем понятно, почему мы должны заниматься этой проблемой уже сейчас? Согласны с Ыном и Ян ЛеКун - создатель свёрточных нейронный сетей, и его шеф Марк Цукерберг, и Йошуа Беньо - человек, во многом благодаря исследованиям которого современные нейронные сети способны решать сложные задачи в области обработки текстов.

Чтобы изложить мои взгляды на эту проблему, потребуется, вероятно, несколько часов, поэтому остановлюсь только на основных тезисах.

1. НЕЛЬЗЯ ОГРАНИЧИВАТЬ РАЗВИТИЕ ИИ

Алармисты рассматривают риски, связанные с потенциальным разрушительным воздействием ИИ, при этом игнорируя риски, связанные с попыткой ограничить или даже остановить прогресс в этой области. Технологическое могущество человечества возрастает чрезвычайно быстрыми темпами, что приводит к эффекту, который я называю «удешевлением апокалипсиса».

150 лет назад при всём желании человечество не могло нанести невосполнимого урона ни биосфере, ни себе как виду. Для реализации катастрофического сценария 50 лет назад необходимо было бы сконцентрировать всю технологическую мощь ядерных держав. Завтра для воплощения в жизнь глобальной техногенной катастрофы может хватить и небольшой горстки фанатиков.

Наша технологическая мощь растёт куда быстрее, чем способность человеческого интеллекта эту мощь контролировать.

Если на смену человеческому интеллекту с его предрассудками, агрессией, заблуждениями и ограниченностью не придёт система, способная принимать более взвешенные решения (будь то ИИ или, что я считаю более вероятным, технологически улучшенный и объединённый с машинами в единую систему человеческий интеллект), нас может ждать глобальная катастрофа.

2. создание сверхинтеллекта принципиально невозможно

Существует идея о том, что ИИ будущего всенепременно будет сверхинтеллектом, превосходящим людей даже сильнее, чем люди превосходят муравьёв. Боюсь в данном случае разочаровать и технологических оптимистов - наша Вселенная содержит целый ряд фундаментальных физических ограничений, которые, по всей видимости, сделают создание сверхинтеллекта невозможным.

Например, скорость передачи сигнала ограничена скоростью света, а на планковских масштабах появляется неопределённость Гейзенберга. Отсюда вытекает первый фундаментальный предел - предел Бремерманна, вводящий ограничения на максимальную скорость вычислений для автономной системы заданной массы m.

Другой предел связан с принципом Ландауэра , в соответствии с которым существует минимальное количество теплоты, выделяемое при обработке 1 бита информации. Слишком быстрые вычисления вызовут недопустимый разогрев и разрушение системы. В действительности, современные процессоры от лимита Ландауэра отделяет менее чем тысячекратное отставание. Казалось бы, 1000 - это довольно много, однако ещё одна проблема заключается в том, что многие интеллектуальные задачи относятся к классу сложности EXPTIME. Это означает, что время, необходимое для их решения, является экспоненциальной функцией от размерности задачи. Ускорение системы в несколько раз даёт лишь константный прирост «интеллекта».

В общем, есть очень серьёзные основания полагать, что сверхинтеллектуального сильного ИИ не получится, хотя, конечно, уровень человеческого интеллекта вполне может быть превзойдён. Насколько это опасно? Скорее всего, не очень.

Представьте себе, что вы внезапно начали думать в 100 раз быстрее остальных людей. Значит ли это, что вы легко будете способны уговорить любого прохожего отдать вам свой кошелёк?

3. мы беспокоимся совсем не о том

К сожалению, в результате спекуляций алармистов на страхах публики, воспитанной на «Терминаторе» и знаменитом HAL 9000 Кларка и Кубрика, происходит смещение акцентов в сфере безопасности ИИ в сторону анализа маловероятных, но эффектных сценариев. При этом реальные опасности ускользают из виду.

Любая достаточно сложная технология, претендующая на то, чтобы занять важное место в нашем технологическом ландшафте, безусловно приносит с собой специфические риски. Множество жизней было погублено паровыми машинами - на производстве, на транспорте и так далее - прежде чем были выработаны эффективные правила и меры по обеспечению безопасности.

Если говорить о прогрессе в области прикладного ИИ, можно обратить внимание на связанную с ним проблему так называемого «Цифрового тайного суда» . Всё больше и больше прикладных систем ИИ принимает решения по вопросам, затрагивающим жизнь и здоровье людей. Сюда относятся и медицинские диагностические системы, и, например, системы, принимающие в банках решения о выдаче или невыдаче кредита клиенту.

В то же время структура используемых моделей, наборы используемых факторов и другие детали процедуры принятия решения скрыты коммерческой тайной от человека, чья судьба находится на кону.

Используемые модели могут основывать свои решения на мнениях учителей-экспертов, допускавших систематические ошибки или имевших те или иные предрассудки - расовые, гендерные.

ИИ, обученный на решениях таких экспертов, будет добросовестно воспроизводить эти предрассудки в своих решениях. В конце концов эти модели могут содержать в себе специфические дефекты.

Этими проблемами сейчас мало кто занимается, поскольку, конечно, SkyNet, развязывающий ядерную войну, это, безусловно, куда более зрелищно.

Нейросети как «горячий тренд»

С одной стороны, нейронные сети - это одна из самых старинных моделей, применяющихся для создания систем ИИ. Появившиеся изначально в результате применения бионического подхода , они довольно быстро убежали от своих биологических прототипов. Исключением тут являются только импульсные нейронные сети (впрочем, пока не нашедшие широкого применения в индустрии).

Прогресс последних десятилетий связан с развитием технологий глубокого обучения - подхода, при котором нейронные сети собирают из большого количество слоёв, каждый из которых построен на основе определённых регулярных паттернов.

Помимо создания новых нейросетевых моделей важный прогресс был также достигнут в области технологий обучения. Сегодня нейронные сети учат уже не при помощи центральных процессоров компьютеров, а с использованием специализированных процессоров, способных быстро производить матричные и тензорные вычисления. Наиболее распространённый на сегодняшний день вид таких устройств - видеокарты. Впрочем, активно ведётся разработка ещё более специализированных устройств для обучения нейросетей.

В целом, безусловно, нейронные сети на сегодняшний день, - это одна из основных технологий в области машинного обучения, которой мы обязаны решению многих задач, ранее решавшихся неудовлетворительно. С другой стороны, конечно, нужно понимать, что нейронные сети не являются панацеей. Для некоторых задач они - далеко не самый эффективный инструмент.

Так насколько умны нынешние роботы на самом деле?

Всё познаётся в сравнении. На фоне технологий 2000-го года нынешние достижения выглядят настоящим чудом. Всегда найдутся люди, любящие побрюзжать. 5 лет назад они вовсю трындели о том, что машины никогда не выиграют у людей в го (ну или, по крайней мере, выиграют очень нескоро). Говорили о том, что машина никогда не сможет нарисовать с нуля картину, в то время как сегодня люди практически неспособны отличать картины, созданные машинами, от картин неизвестных им художников. В конце прошлого года машины научились синтезировать речь, практически неотличимую от человеческой, а в последние годы от музыки, создаваемой машинами, не вянут уши.

Посмотрим, что будет завтра. Я смотрю на эти области применения ИИ с большим оптимизмом.

Перспективные направления: где начать погружение в сферу ИИ?

Я бы посоветовал постараться на хорошем уровне освоить один из популярных нейросетевых фреймворков и один из популярных в области машинного обучения языков программирования (наиболее популярна на сегодняшний день связка TensorFlow + Python).

Овладев этими инструментами и имея в идеале крепкую базу в области математической статистики и теории вероятностей, следует направить свои усилия в ту сферу, которая будет наиболее интересна лично вам.

Интерес к предмету работы - один из самых важных ваших помощников.

Потребность в специалистах по машинному обучению существует в самых разных областях - в медицине, в банковском деле, в науке, на производстве, поэтому сегодня хорошему специалисту предоставлен как никогда широкий выбор. Потенциальные преимущества любой из этих отраслей мне представляются несущественными по сравнению с тем, что работа будет приносить вам удовольствие.

Он применяется практически везде: от сферы высоких технологий и сложных математических вычислений до медицины, автомобилестроения и даже при работе смартфонов. Технологии, лежащие в основе работы ИИ в современном представлении, мы используем каждый день и порой даже можем не задумываться об этом. Но что такое искусственный интеллект? Как он работает? И представляет ли опасность?

BB скоро будет везде!

Для начала давайте определимся с терминологией. Если вы представляете себе искусственный интеллект, как что-то, способное самостоятельно думать, принимать решения, и в целом проявлять признаки сознания, то спешим вас разочаровать. Практически все существующие на сегодняшний день системы даже и близко не «стоят» к такому определению ИИ. А те системы, что проявляют признаки подобной активности, на самом деле все-равно действуют в рамках заранее заданных алгоритмов.

Нейронные сети существуют с 1950-х годов (по крайней мере, в виде концепий). Но до недавнего времени они не получали особого развития, потому что их создание требовало огромных объемов данных и вычислительных мощностей. В последние несколько лет все это стало доступным, поэтому нейросети и вышли на передний план, получив свое развитие. Важно понимать, что для их полноценного появления не хватало технологий. Как их не хватает и сейчас для того, чтобы вывести технологию на новый уровень.

Стадии определения.

Для чего используется глубокое обучение и нейросети

Есть несколько областей, где эти две технологии помогли достичь заметного прогресса. Более того, некоторые из них мы ежедневно используем в нашей жизни и даже не задумываемся, что за ними стоит.

• — это способность программного обеспечения понимать содержание изображений и видео. Это одна из областей, где глубокое обучение сделало большой прогресс. Например, алгоритмы обработки изображений глубокого обучения могут обнаруживать различные типы рака, заболеваний легких, сердца и так далее. И делать это быстрее и эффективнее врачей. Но глубокое обучение также укоренилось и во многих приложениях, которые вы используете каждый день. Apple Face ID и Google Photos используют глубокое обучение для распознавания лица и улучшения качества снимков. Facebook использует глубокое обучение, чтобы автоматически отмечать людей на загружаемых фотографиях и так далее. Компьютерное зрение также помогает компаниям автоматически идентифицировать и блокировать сомнительный контент, такой как насилие и нагота. И, наконец, глубокое обучение играет очень важную роль в обеспечении возможности самостоятельного вождения автомобилей, чтобы они могли понимать, что их окружает.
• Распознавание голоса и речи. Когда вы произносите команду для вашего Google Ассистента, алгоритмы глубокого обучения преобразуют ваш . Несколько онлайн-приложений используют глубокое обучение для транскрибирования аудио- и видеофайлов. Даже когда вы «шазамите» песню, в дело вступают алгоритмы нейросетей и глубокого машинного обучения.
• Поиск в интернете: даже если вы ищите что-то в поисковике, для того, чтобы ваш запрос был обработан более четко и результаты выдачи были максимально правильными, компании начали подключать алгоритмы нейросетей к своим поисковым машинам. Так, производительность поисковика Google выросла в несколько раз после того, как система перешла на глубокое машинное обучение и нейросети.

Пределы глубокого обучения и нейросетей

Несмотря на все свои преимущества, глубокое обучение и нейросети также имеют и некоторые недостатки.

• Зависимость от данных: в целом, алгоритмы глубокого обучения требуют огромного количества обучающих данных для точного выполнения своих задач. К сожалению, для решения многих проблем недостаточно качественных данных обучения для создания рабочих моделей.
• Непредсказуемость: нейронные сети развиваются каким-то странным путем. Иногда все идет как задумано. А иногда (даже если нейросеть хорошо справляется со своей задачей), даже создатели изо всех сил пытаются понять, как же алгоритмы работают. Отсутствие предсказуемости делает чрезвычайно трудным устранение и исправление ошибок в алгоритмах работы нейросетей.
• Алгоритмическое смещение: алгоритмы глубокого обучения так же хороши, как и данные, на которых они обучаются. Проблема заключается в том, что обучающие данные часто содержат скрытые или явные ошибки или недоработки, и алгоритмы получают их «в наследство». Например, алгоритм распознавания лиц, обученный в основном на фотографиях белых людей, будет работать менее точно на людях с другим цветом кожи.
• Отсутствие обобщения: алгоритмы глубокого обучения хороши для выполнения целенаправленных задач, но плохо обобщают свои знания. В отличие от людей, модель глубокого обучения, не сможет играть в другую подобную игру: скажем, в WarCraft. Кроме того, глубокое обучение плохо справляется с обработкой данных, которые отклоняются от его учебных примеров.

Будущее глубокого обучения, нейросетей и ИИ

Ясное дело, что работа над глубоким обучением и нейронными сетями еще далека от завершения. Различные усилия прилагаются для улучшения алгоритмов глубокого обучения. Глубокое обучение — это передовой метод в создании искусственного интеллекта. Он становится все более популярным в последние несколько лет, благодаря обилию данных и увеличению вычислительной мощности. Это основная технология, лежащая в основе многих приложений, которые мы используем каждый день.

Схемы и пути решения задач скоро заменят очень многое.

Но родится ли когда-нибудь на базе этой технологии сознание? Настоящая искусственная жизнь? Кто-то из ученых считает, что в тот момент, когда количество связей между компонентами искусственных нейросетей приблизиться к тому же показателю, что имеется в человеческом мозге между нашими нейронами, что-то подобное может произойти. Однако это заявляение очень сомнительно. Для того, чтобы настоящий ИИ появился, нам нужно переосмыслить подход к созданию систем на основе ИИ. Все то, что есть сейчас — это лишь прикладные программы для строго ограниченного круга задач. Как бы нам не хотелось верить в то, что будущее уже наступило…