В начале 2018 года на международной выставке потребительской электроники CES 2018 в Лас-Вегасе представители Consumer Technology Association назвали основные тенденции в области технологий, которые будут активно развиваться в ближайшее время. В список попали:
технология 5G;
искусственный интеллект;
робототехника;
виртуальная реальность;
развитие умных городов.
Аналитики оказались правы. Эти технологии были в центре внимания в течение всего года, но ими IT-сфера не ограничилась. Рассмотрим подробнее, чем запомнился 2018 год и что останется трендом в 2019.
Виртуальная реальность
Разработчики виртуальной реальности сосредоточились на создании видео с обзором на 360 градусов. Пока зритель влияет на происходящее минимально, взаимодействия с другими пользователями не происходит. Но появляется понимание, как, вероятно, будут выглядеть фильмы в будущем.
Подобные видео записываются с помощью нескольких камер, встроенных в одно устройство. Они позволяют не ограничиваться просмотром сцены с одного ракурса: за происходящим можно наблюдать со всех точек, в том числе сверху или снизу.
Разумеется, технология развивается и в игровой индустрии. Для PlayStation только весной было выпущено более 30 VR игр.
Виртуальная реальность пришла и в маркетинг лакшери-сегмента. Lexus совместно с брендинговым агентством Team One запустил кампанию, в рамках которой проводит виртуальный тест-драйв своих автомобилей.
VR все шире используют в медицине. Технология применяется для лечения посттравматического синдрома, позволяет облегчить состояние пациентов с деменцией, помогает справляться с болью.
Искусственный интеллект
Летом мы подробно писали о достижениях, которыми может похвастаться AI в этом году. Нейросети начали превосходить людей в отраслях, лидерство в которых традиционно принадлежало человеку. Искусственный интеллект продемонстрировал отличное понимание прочитанного текста, писал песни, рисовал изображения по техзаданиям и в целом неплохо справлялся с задачами, которые перед ним ставили.
AI показал себя прилежным учеником, поэтому в будущем учителя будут требовать от него большего. Специальность инженера по искусственному интеллекту входит в число технологических профессий будущего. Поэтому, если ищете себя в мире IT, рассмотрите этот вариант: в прошлом году в GeekUniversity открылся факультет искусственного интеллекта.
Развитие умных городов
Еще не все дома успели «поумнеть», но разработчики уже расширили зону своего интереса до целых населенных пунктов. Пока наиболее амбициозные проекты существуют на бумаге, и выглядит все это как мир, в котором живет Корбен Даллас из «Пятого элемента», — захватывающе и пугающе одновременно.
Город, битком набитый технологиями, действительно может быть комфортным и безопасным. С одной стороны, это удобная навигация, карты перегруженности дорог, мониторинг изменений погоды и состояния воздуха, оптимизированное уличное освещение, развитая система распознавания и множество других датчиков, позволяющих решать проблемы.
Но экспертов беспокоит потенциальная уязвимость умных городов, так как их статус не до конца определен. Например, функция распознавания лиц полезна ровно до тех пор, пока не превращается в инструмент слежки.
Робототехника
Один из трендов 2018 года — привлечение роботов для решения проблем бизнеса. Машины уже не первый год пытаются подвинуть человека в ряде отраслей. Эксперты полагают, что этот процесс будет продолжаться.
Но не только людей пытаются заменить технологиями. Холдинг Walmart получил патент на пчел-роботов, которые смогут опылять растения, как и живые насекомые. Над созданием «пчелозаменителей» работают сразу несколько компаний, так как обитатели ульев гибнут из-за пестицидов. Впрочем, одна из серий «Черного зеркала» создала этим исследованиям специфическую репутацию.
Компания Boston Dynamics продолжает обучать робота Spot Mini разным трюкам. Четвероногий «питомец» умеет выполнять несложные работы по дому, открывать двери, перемещаться по лестницам. Но у него есть серьезный конкурент из Швейцарии: Robotic Systems Lab постоянно дорабатывает своего ANYmal, который умеет делать то же самое. Новые навыки приобрел и человекообразный робот Boston Dynamics. Сейчас он умеет ходить по снегу, стоять на одной ноге и делать сальто.
Технология 5G
Победоносному шествию пятого поколения мобильной связи препятствует скандал с Huawei: американские разведывательные структуры обвинили компанию в шпионаже. В итоге в США и во многих странах Европы ей запретили предоставлять оборудование для создания сети 5G, что существенно тормозит развитие технологии.
Тем не менее 5G сохраняет свое место среди IT-трендов, так как современные разработки нуждаются в более быстрой передаче данных.
Трансформация смартфонов
Говоря о трендах в IT, было бы неправильно обойти стороной мобильные гаджеты.
Осенью 2017 года Apple представила новый безрамочный iPhone, который сохранил внутри экрана полоску с датчиками. Ее тут же прозвали «челкой». Многие компании успели выпустить смартфоны с аналогичным дизайном еще в 2017 году, а в 2018 не подхватили эту тенденцию только совсем уж ленивые или оригинальные.
«Челкой» обзавелись Motorola P30, Nokia X5, Xiaomi Redmi 6 Pro и многие другие. Вскоре мода на «прическу» сменилась, и на смену полоске пришла капля. Минималистичный вырез новой формы можно найти на Xiaomi Mi Play, OPPO R17. Свой смартфон с каплевидной «челкой» готовится выпустить Samsung.
Отсутствие рамки отлично уживается с еще одним трендом, который начал набирать популярность еще в 2017 году и сохранялся в 2018. Речь об экранах с пропорцией 18:9.
Эпизоды «Черного зеркала» рассказывают, что может случиться с человечеством в мире развивающихся технологий — как правило, ничего хорошего. Сюжеты начинают сбываться — это пугает и заставляет задуматься.
Осторожно: в текст могли просочиться спойлеры.
Сезон 1. Эпизод 2. 15 миллионов заслуг
Что в серии
Во вселенной эпизода люди зарабатывают «заслуги» — местную виртуальную валюту, которой могут оплачивать товары, услуги и возможность пропустить надоедливую рекламу, которая транслируется повсеместно.
Единственный способ вырваться из этого беличьего колеса — участвовать в шоу талантов. Главный герой Бингем Мэдсен услышал, как поет Эби, и предложил ей выступить перед жюри. Чтобы купить для нее это право, он отдает все свои «заслуги».
Что на самом деле
Сценаристы гиперболизировали мотивы бесплатных мобильных игр. Даже если бы они сами в этом не признались, такой вывод напрашивается.
К играм в духе «Фермы» или «Три в ряд» нужно возвращаться раз за разом, чтобы получать новые достижения. Приходится платить или смотреть рекламу. В итоге игры становятся слишком важной частью жизни: люди с головой уходят в смартфон.
Сезон 1. Эпизод 3. История всей твоей жизни
Что в серии
Эпизод начинается с ужина на несколько персон. У всех, кроме одной гостьи, в голову вживлены чипы. На них записывается все, что когда-либо видел человек. Обладатель чипа может демонстрировать воспоминания другим, просматривать их сам и стирать.
Один из гостей подозревает жену в измене. И чип становится «чеховским ружьем», которое обязательно выстрелит.
Что на самом деле
Размещать воспоминания в общем доступе опасно — это очевидно. Технологии пока не шагнули так далеко, но даже записи в блогах и соцсетях могут сыграть с автором злую шутку. Компрометирующий материал опасен и на Facebook, и у вас в голове. Но в соцсети вы, по крайней мере, можете его контролировать.
И это не все. В эпизоде, когда герои просматривали воспоминания, их глаза скрывались за белыми линзами-экранами.
Первый прототип таких линз представлен в 2011 году. В 2016 презентовали вариант, который взаимодействует со смартфоном.
Сезон 2. Эпизод 1. Скоро вернусь
Что в серии
Эш погибает в автокатастрофе. Его подруга Марта тоскует и решается попробовать новую технологию. Искусственный интеллект на основе записей в соцсетях и других материалов моделирует личность Эша. Марта начинает верить, что бойфренда можно вернуть.
Что на самом деле
В Южной Корее запустили приложение With me. Если человек при жизни позволит отсканировать себя в 3D-принтере, цифровой клон сможет жить бесконечно. С помощью приложения, например, можно сделать селфи с умершим.
Создатели мессенджера Luka после гибели основателя социальной платформы Stampsy Романа Мазуренко разработали чат-бот, который общается в его манере. Они собрали его фотографии, статьи, текстовые сообщения, кроме самых личных, и на их основе нейросеть конструирует послания.
Сезон 2. Эпизод 6. Момент Уолдо
Что в серии
Анимированный медведь Уолдо — персонаж местного телешоу. Он жестко шутит, задает гостям провокационные вопросы. Медвежонок настолько популярен, что включается в гонку за президентское кресло. Вот только Джейми Солтеру, который оживляет персонаж, все это не нравится.
Что на самом деле
В связи с этим эпизодом обычно говорят о технологиях, которые позволяют делать собственные цифровые аватары. Но есть и другой аспект: люди готовы верить виртуальным фигурам.
Среди парадоксальных иллюстраций этого утверждения — Момо. Это персонаж, который якобы общается через мессенджеры, знает все о собеседнике и подталкивает его к суициду. Мистический образ Момо подчеркивает, что люди готовы верить аватарам. Но это пранк, за которым стоят люди. Сходство велико, только Уолдо хотя бы милый.
Сезон 3. Эпизод 1. Нырок
Что в серии
У каждого есть рейтинг, который меняется в зависимости от оценок окружающих. Чем он выше, тем проще жить и получать доступ к благам. Чем ниже — тем меньше шансов на хороший дом, работу и спутника жизни.
Что на самом деле
В Китае уже вводят систему социального рейтинга. Пока на него влияют не симпатии окружающих, а законопослушность, своевременная оплата коммунальных услуг и кредитов, поведение в интернете. Низкий рейтинг ограничивает доступ к учебе, социальным благам и даже общественному транспорту.
Сезон 3. Эпизод 3. Заткнись и танцуй
Что в серии
Неизвестный шантажирует главного героя, угрожая обнародовать компрометирующий материал. При этом он — не единственная марионетка в руках кукловода. И жертвы готовы практически на все, чтобы скрыть информацию, известную шантажисту.
Что на самом деле
Истории о взломанных облачных хранилищах появляются не так уж редко. Фотографии обнаженных звезд уходят в таблоиды, а рядовые граждане могут стать жертвами шантажа.
Безопасность веб-камер тоже под вопросом. Если уж основатель Facebook Марк Цукерберг заклеивает камеру, то и остальным не стоит от него отставать.
Сезон 3. Эпизод 5. Люди против огня
Что в серии
Солдаты ожесточенно истребляют «тараканов» — мутантов, которые лишь отдаленно напоминают людей. Такими их делают технологии дополненной реальности — и убивать таких врагов становится проще.
Что на самом деле
Дегуманизация противника — обязательный шаг в войне. И здесь эта идея возведена в абсолют.
Дополненную реальность, как и любой инструмент, можно использовать и во благо, и в разрушительных целях. Военные обычно одними из первых получают доступ к новым технологиям, поэтому и AR они уже приспособили для своих нужд. Например, на армейских самолетах и вертолетах данные выводятся на лобовое стекло.
Впрочем, о достижениях дополненной реальности мы подробно писали — и пока технологии здесь скорее радуют, чем пугают.
Сезон 3. Эпизод 6. Враг народа
Что в серии
Ежедневно механические пчелы убивают одного человека. Жертвой становится тот, чье имя чаще всего упоминалось с хештегом #смертьтебе. Погибнуть можно даже из-за неловкого замечания в соцсети.
Что на самом деле
Кибербуллинг нельзя назвать новым явлением. Россия — лидер по сетевой травле, и это хоть и печально, но к технологиям имеет не такое прямое отношение.
Зато механические пчелы — давно не вымысел. Из-за использования пестицидов настоящие насекомые вымирают. Приходится искать им замену, чтобы обеспечить урожаи. Патенты уже зарегистрированы: пчелы-дроны будут ориентироваться с помощью камер и специальных датчиков.
Сезон 4. Эпизод 2. Аркангел
Что в серии
Маленькая девочка убежала с детской площадки и потерялась. Ее мама решила вживить ребенку экспериментальный чип, с помощью которого сможет следить за дочерью. А визуальный фильтр будет ограждать девочку от неприятных явлений.
Что на самом деле
Чипирование детей обсуждается так давно, что события серии легко угадываются буквально с первых кадров. Вопрос лежит в серой зоне этики. С одной стороны, некоторые родители хотят установить тотальную слежку за ребенком. С другой, это квалифицируется как нарушение прав человека.
Но есть устройства, которые частично дублируют функции чипа. Это и телефоны, по которым местоположение ребенка можно отследить, и умные часы. Последние зачастую оснащены функцией обратного звонка. Родители в любой момент могут подключиться к устройству и подслушать, что происходит. Это тоже считается вторжением в личное пространство и может негативно повлиять на психику ребенка. Родителю ощущение неконтролируемой власти тоже на пользу не идет — это и показали в серии «Аркангел».
К слову, в России за умные часы с обратным звонком можно попасть под следствие.
Сезон 4. Эпизод 3. Крокодил
Что в серии
Страховой агент расследует обстоятельства аварии, в которой беспилотный автомобиль, доставляющий пиццу, сбивает человека. Для этого она использует оборудование, которое считывает информацию из памяти. В процессе выясняются неожиданные факты.
Что на самом деле
В начале 2018 года произошло сразу две автокатастрофы с участием беспилотников. Машина Uber насмерть сбила женщину, которая переходила дорогу. Спустя неделю внедорожник компании Tesla въехал в бетонное ограждение и загорелся — водитель погиб. При этом эксперты считают, что дорожные происшествия с участием беспилотников вовсе не свидетельствуют, что они опаснее обычных машин.
Что касается доставки пиццы, Pizza Hut намерена запустить свои беспилотные автомобили в 2020 году.
Сезон 4. Эпизод 4. Повесь диджея
Что в серии
Карманное устройство для знакомств помогает искать идеального партнера: оценивает информацию об отношениях, отслеживает реакции, говорит, сколько возлюбленным стоит быть вместе, прежде чем продолжить эксперименты с другими.
Что на самом деле
Серия вдохновила программиста Джулиана Александера на создание интернет-свахи с похожими функциями. Она предлагает собеседника в чате и затем анализирует диалоги, чтобы следующий выбор был удачнее.
Сезон 4. Эпизод 5. Металлист
Что в серии
В этом черно-белом эпизоде героиня пытается выжить в мире, где остались только роботы-псы.
Что на самом деле
Авторы вдохновились роботами Boston Dynamics. Четвероногий Spot Mini с манипулятором вместо головы умеет выполнять несложные работы по дому, открывать двери, перемещаться по лестницам.
Черное зеркало: Брандашмыг
Это интерактивный фильм, выпущенный в 2018 году. Главный герой — программист: он создает видеоигру на основе фэнтезийного романа. Зрители могли просто посмотреть фильм или повлиять на ход событий. Принять решение в ключевых точках сюжета надо было за 10 секунд.
С технической точки зрения здесь интереснее не что показывают, а как. Примечательно, что геймифицирована серия о создании игры. «Брандашмыг» — не первый и не единственный интерактивный фильм, но исходя из тематики сериала — ожидаемый.
А какие технологии из «Черного зеркала» вам запомнились? Что бы вы хотели видеть в реальности, а чего ни в коем случае нельзя допускать?
Каждую неделю в города перебираются 1,3 миллиона человек, и можно ожидать, что к 2040 году 65 % населения мира станет городским. Причем 90 % роста численности горожан придется на страны Азии и Африки.
Последние несколько десятилетий эксперты пытаются повысить качество жизни в городах разными способами: от ввода платы за проезд по зонам с перегруженным движением до популяризации электровелосипедов (e-bikes).
Разговоров об умных городах много, но что стоит за этим понятием?
Умный город — тот, где с помощью передовых технологий расширен перечень доступных жителю услуг и оптимизирован каждый аспект городских мероприятий.
Какова роль больших данных в этой формуле?
Представьте: дисплей на приборной панели вашего автомобиля показывает предупреждение о том, что из-за погодных условий добраться до работы привычным путем будет трудно. Дальше программа перестраивает маршрут на основе показателей, которые отслеживает в реальном времени.
Вот вы въехали на крытую автостоянку, и бортовой компьютер уже подсказывает свободное парковочное место. При этом он учитывает, откуда вам будет ближе идти к работе, исходя из статистики предыдущих поездок.
Такой подход уже не будущее, а реальность. Большие данные (Big Data), интернет вещей (IoT) и распределенные датчики интенсивно внедряются в мегаполисах для реализации того, что многие называют городом будущего.
Это проявляется и в развертывании систем коммуникации: локальный fiber, муниципальный Wi-Fi, специализированные приложения для конкретных задач (умные парковки, уличное освещение, вывоз и переработка отходов).
В нескольких крупных городах мира уже выбрали подход, при котором во главе угла не конкретные приложения, а данные как связующий элемент.
Данные — кровь, которая бежит по венам умного города.
Общий фундамент
Чтобы стать умными, города должны отвечать одному общему требованию: собирать достоверную информацию (с датчиков), на основе которой можно вырабатывать решения на долгосрочную перспективу. Потому что данные — золото нашего времени.
Если встроить датчики в городскую инфраструктуру и создать новые точки сбора данных — в том числе от горожан с их мобильными устройствами, — администрация умного города сможет анализировать большие данные, чтобы более точно отслеживать и прогнозировать происходящее.
Пример датчика, полезного в управлении городом
Большие данные — богатый источник возможностей для развития городских сервисов. Упрощенно говоря, Big Data — это огромный массив данных, анализ которого позволяет бизнесу принимать стратегические решения и получать лучшие результаты.
Анализ больших данных незаменим, когда у вас горы информации и нужно отыскать в ней закономерности или неочевидные идеи, которые позволят сделать ценные выводы.
Для развития умных городов очень важны информационно-коммуникационные технологии (ИКТ): они обеспечивают доступ к данным, собранным с помощью информационных систем. Механизм, который будет особенно полезен умным городам, известен как интернет вещей (IoT). Он основан на взаимодействии между устройствами, которые обмениваются данными через интернет, беспроводные и другие сети.
Интернет вещей нужен умным городам, чтобы собирать и эффективно обрабатывать данные, которые затем можно применить в конкретной области. Городские датчики и другие подключенные к сети устройства получают данные из нескольких «перевалочных пунктов» и анализируют, чтобы упростить принятие решений.
А еще на жизнедеятельность городов очень повлияют облачные платформы и аналитические приложения. Они предлагают экономичные средства управления данными и решениями, связанными с работой транспорта. Это создает основу для построения более безопасных и полезных маршрутов на уже существующих дорогах.
Приложения машинного обучения принимают данные с подключенных устройств и в режиме реального времени передают их на смартфоны путешественников.
Три уровня данных
Первый уровень — технологическая основа, которая включает в себя критическую массу смартфонов и датчиков, подключенных к высокоскоростным каналам связи.
Второй уровень — особые приложения, которые превратят сырые данные в предупреждения, идеи и действия. Тут за дело берутся разработчики и поставщики технологии.
Третий уровень — использование городами, компаниями и населением. Многим приложениям для эффективной работы нужны массовое распространение и способность менять свое поведение.
Проблемы управления городом
Системные интеграторы города не могут собрать весь объем данных, который хранится по разрозненным базам и системам с ограничением прав доступа и использования.
В наших городах уже накоплены тонны информации, но большая ее часть используется для решения отдельных задач и не встроена в общую систему управления городом. К таким данным относятся официальная статистика, карты, сведения о публичных торгах и закупках.
Технологии способны произвести переворот по многим направлениям: сделать парковки удобнее, улучшить уличное освещение, оптимизировать транспортный поток, вывоз и сортировку мусора, задействовать умные системы безопасности, прогнозировать катастрофы. Но пока информация слишком фрагментарна. Нужно собрать все существующие стандарты на единой унифицированной платформе.
Будет ли город умным, зависит от способности организаций обмениваться данными и анализировать их. Только обмен ключевой информацией в реальном времени позволит компаниям частного и социального сектора разрабатывать приложения для автоматизации задач и софт для инфраструктуры умного города.
Проблема в том, что пока под каждый новый тип датчика зачастую нужна своя база данных, которую городу приходится закупать. Когда между сенсорами и БД нет эффективного и прозрачного взаимодействия, извлечь пользу из полученных данных практически невозможно.
Наконец, большое значение имеет цена решений: именно в финансирование упираются многие инициативы по развитию умных городов. Одно из главных препятствий, мешающих сдвинуть подобные проекты с места — первоначальные затраты на установку минимально необходимого числа датчиков, без которого нет смысла и начинать.
В реальных развивающихся городах действия не скоординированы, а данные до сих пор собираются вручную.
Улучшаем город с помощью данных
Проанализируем, как данные упрощают жизнь в городах мира.
В бывшей столице Китая, городе Нанкин, датчики установлены на 10 000 такси, 7 000 автобусов и на миллионе частных машин. Данные, которую удается собрать таким образом, ежедневно поступают в Информационный Центр Нанкина. Там эксперты централизованно отслеживают и анализируют сведения о транспортных потоках, а затем отправляют обновления на смартфоны (commuters). Это уже позволило властям города создать новые маршруты, которые улучшают транспортную ситуацию без строительства новых дорог.
Трениталия, главная железнодорожная компания Италии, установила датчики на поезда и теперь мгновенно узнает об изменениях в техническом состоянии каждого состава. Компании стало проще планировать ремонт поездов и действовать на опережение, предотвращая происшествия. Благодаря технологическим инновациям путешественники получили надежный и удобный сервис, а города избегают серьезных проблем.
В Лос-Анджелесе на протяжении 4,5 тысячи миль старое уличное освещение заменяют светодиодными лампами. Цель не только в том, чтобы стало светлее, но и в создании централизованной системы, которая будет информировать город о состоянии каждой лампочки. Когда одна из них перегорит, найти и заменить ее можно будет практически мгновенно. В будущем станет возможным, чтобы освещение меняло цвет или мигало для оповещения горожан.
Группы, объединяющие множество людей, генерируют тонны информации. Большие данные позволяют понять, когда, как и почему собираются толпы, а также предсказывать их поведение и перемещения.
Миллионы датчиков уже работают в крупных городах. В ближайшем будущем их число будет расти — до тех пор, пока они не охватят все: от уличных фонарей и урн до энергопотребления и дорожной ситуации.
Информационные вызовы
Чтобы эффективно управлять данными, недостаточно их собирать и хранить. Нужно передавать и объединять — делать их доступными департаментам, организациям или всему обществу.
В крупнейших городах США и других стран миллионы датчиков каждую миллисекунду, секунду, минуту, час и день создают невообразимый объем данных… Большая их часть никогда не используется.
Умные города должны строиться на сетях, в которых возможен свободный обмен информацией.
При развертывании умного города совместное пользование данными — это и обязательное требование, и ценная возможность. Ясно, что распределение данных между городскими департаментами и платформами — ключевой момент планирования.
Возьмусь сделать прогноз: большинство городов внедрят совместное пользование данными как промежуточный этап на пути от интеграции данных к информационному обмену, а затем и к магазинам данных.
Создание цифровой инфраструктуры
Лучший способ организовать совместное пользование данными — применять открытые API. Вместе с рынками данных — или наряду с ними — они упрощают обмен информацией и позволяют включать в экосистему новых партнеров. Вот почему API — важнейший элемент любой платформы для умного города.
Все чаще власти городов заказывают выпуск API, чтобы разработчики и общественные организации активнее пользовались открытыми данными.
Чтобы создать хорошую платформу умного города, нужно следующее:
ТехнологияНазначение
Сети
Собирают данные
Полевые шлюзы
Упрощают сбор и сжатие данных
Облачный шлюз
Гарантирует безопасную передачу данных
Система потоковой обработки данных
Сводит несколько потоков в озеро данных
Озеро данных
Хранит данные, ценность которых еще предстоит определить
Хранилище данных
Хранит очищенные и структурированные данные
Аналитические системы
Анализируют и визуализируют информацию с датчиков
Машинное обучение
Автоматизирует городские сервисы на основе долгосрочного анализа данных
Пользовательские приложения
Соединяют умные вещи и горожан
Идеальная платформа для обмена данными
Система совместного пользования данными должна обеспечивать обмен «в облаках». Это обеспечит лучшую переносимость, безопасность и конфиденциальность при передаче данных, а также ускорит разработку и тестирование приложений. Благодаря своей универсальности платформа обеспечит эти преимущества всем приложениям, в том числе специализированным. А значит весь городской софт будет опираться на актуальные технологии.
Платформа должна поддерживать два режима обмена данными: публичный и приватный. Если в отдельных приложениях данные будут смешиваться, особенно важно будет отслеживать, как они используются, обеспечивать надежную систему безопасности и управления.
Наконец, необходимо извлечь выводы из данных — привести их к виду, понятному для людей, которым предстоит эти данные дальше обрабатывать и использовать.
Большие данные — ключевой элемент в работе над системами городского масштаба, всеохватными по числу подключенных устройств. Технологии обработки больших данных сыграют ведущую роль в развитии умного градостроения будущего.
20 января на YouTube состоялась премьера короткометражки «Объект Дельта»
Сюжет довольно простой: «Исследователю искусственного интеллекта досталась важная задача: протестировать осознавшую себя машину и выяснить, действительно ли она живая».
Авторы — видеоэссеисты Иван Рассадин (канал Cat&Play), Александр Рыбаков (канал ...and Action!) и Алексей Луцай (канал «Луцай»).
Фильм взял награды за лучшую фантастику и лучшую операторскую работу на фестивале короткометражного кино Top Shorts в ноябре 2018. Картина вошла в финал израильского Near Nazareth Festival, а Los Angeles Film Awards отметил работу особым упоминанием за оригинальный сценарий.
Рекомендуем к просмотру всем, кому интересен искусственный интеллект и проблемы с ним связанные.
Режиссёр, сценарист — Иван Рассадин.
Сценарист — Дмитрий Поллак.
Оператор, монтажёр — Александр Рыбаков.
Композитор — Алексей Луцай.
Автор обложки — Илья Бавер.
Будем рады услышать ваши впечатления и вопросы в комментариях. Что вас смутило в фильме, а что порадовало? Какие вопросы вы бы задали создателям? Или… какие вопросы вы бы задали ИИ?
Что искусственный интеллект умеет делать сам, а что берет на себя человек?
Фред и Барни из комедийного мультсериала «Флинтстоуны» на своем «высокотехнологичном» автомобиле
Компания iFlytek — ведущий китайский разработчик AI. В сентябре 2018 года ее обвинили в том, что она выдавала труд людей-переводчиков на конференции в Шанхае за машинный перевод.
Об этом сообщил один из переводчиков-синхронистов, нанятых организаторами мероприятия. Он заметил, что iFlytek использовала его переводы, чтобы «на лету» создавать субтитры, которые выводились на экран вместе с логотипом IT-компании. Все выглядело так, будто перевод выполнял созданный компанией искусственный интеллект.
iFlytek также вела онлайн-трансляцию с конференции и для чтения перевода вслух использовала синтезированный компьютерный голос вместо голосов синхронистов. Переводчик зафиксировал происходящее на камеру, выложил фото и видео в соцсети и обвинил компанию в жульничестве.
Этот случай вызвал ажиотаж в СМИ и спровоцировал интернет-дискуссию о маркетинговой и PR-стратегии компании, которая позиционирует себя как лидера в сфере разработки AI.
«Самая умная» компания Китая
Может, вы впервые слышите об iFlytek, но в рейтинге Массачусетского технологического института за 2017 год она заняла 6-е место среди высокотехнологичных компаний мира. Ее поставили выше всех других предприятий Китая — сразу вслед за Google. Причем она обогнала Intel (13-е место), Apple (16) и Facebook (26). Microsoft оказалась 27-ой.
Как минимум, компания может объявить, что произошло досадное недоразумение. Максимум — ее можно обвинить в том, что ради пиара и прибыли она обманывает публику относительно эффективности своей технологии AI-перевода.
Вы можете подумать, что «это ж китайцы»! Мол, они вечно подделывают товары, и почему бы в ситуации с ИИ им поступать иначе.
Тогда давайте посмотрим на PR-ходы двух крупнейших технологических компаний Запада — Google и Microsoft.
Скрытый человеческий труд, который выдают за работу AI
Есть в Австралии малоизвестная компания Appen, которая стоит около 1,2 миллиарда долларов США. Последние четыре года она была на гребне волны интереса к ИИ — делала на этом баснословные деньги.
В 2014 году доход Appen составлял всего 51 миллион австралийских долларов (AUD). Это значит, что за три года доход компании вырос на 324 %! Чистая прибыль после уплаты налогов показала еще более впечатляющий рост — на фантастические 884 % относительно скромных 1,6 миллиона AUD в 2014 году.
Стоимость акций Appen в австралийских долларах (AUD) на 28 августа 2018 года. Источник: Slator
С января 2015 года, то есть с момента выхода на рынок, акции Appen подорожали примерно на 2700 % — в 27 раз! И что же такого делает компания-суперзвезда?
Она продает данные и валидацию результатов поисковой выдачи компаниям-разработчикам ИИ.
Доля выручки от валидации результатов достигает 86 % дохода Appen. В штате компании 394 сотрудника на полной занятости, однако основную часть работы выполняют более миллиона фрилансеров по всему миру! Их задача — вручную проверять результаты выдачи поисковиков по заданным критериям. Одна выдача — одна проверка.
Благодаря этой работе фрилансеров результаты выдачи поисковика становятся все более релевантными запросу. По условиям контракта Appen не имеет права разглашать, кто пользуется ее услугами, но некоторые аналитики полагают, что главные клиенты компании — это Microsoft (Bing) и Google. Вместе они приносят Appen более половины ее дохода, а это, вероятно, более 300 миллионов долларов только за 2018 год.
Вы правда думали, что умная выдача Google — исключительно результат работы алгоритмов и сложного ПО, которое собирает информацию по интернету? Не-а. На самом деле в этом участвует более миллиона живых людей.
На месте Microsoft и Google я бы тоже не признавал факт сотрудничества с Appen. Твой бизнес и твои продукты выглядят гораздо круче, пока аудитория думает, что за ними стоят передовые технологии автоматизации и искусственный интеллект, а не ручной труд.
Игра в Го – вовсе не святой Грааль в мире ИИ!
С тех пор как в марте 2016 года программа AlphaGo победила Ли Седоля — чемпиона мира по древней игре Го, один из основателей Google Deepmind Демис Хассабис начал публично называть Го «святым Граалем AI-исследований».
У аудитории возникла иллюзия, будто Google Deepmind поняла про ИИ самое главное и скоро машины так поумнеют, что захватят мир по известному апокалиптическому сценарию.
Это попросту неправда.
Вершиной разработок в сфере ИИ станет такая универсальная система, которая сможет учиться и вырабатывать навыки с нуля, как человек по мере взросления.
Пока все исследователи признают, что самое сложное направление развития ИИ — это обработка естественного языка (Natural Language Processing). К проектам данного типа относится создание чат-ботов и систем машинного перевода.
Несмотря на всю сложность Го и неограниченное количество возможных ходов в этой игре, она не является «святым Граалем мира ИИ». На самом деле, старший разработчик из команды создателей AlphaGo сам сказал об этом в известном документальном фильме, где был показан весь путь к победе над игроком Ли.
Джулиан Шриттвизер (на фото он в красном): «Конечно же, для нас AlphaGo — это просто компьютерная программа»
«…AlphaGo — это очень-очень простая программа. Ей далеко до полноценного ИИ…»
Интересно, что в июле 2018 года специалисты DeepMind сами проверили разработанный ими ИИ на уровень IQ. И хотя результат не располагал к вольному толкованию, его сильно приукрасили в прессе и социальных медиа.
«…ИИ очень плохо справлялся с тестовыми задачами, если они хотя бы незначительно отличались от тех, на которых его обучали.
IQ-тест разработанного командой ИИ в итоге показал, что на сегодняшний день даже самая продвинутая система искусственного интеллекта не может найти подход к проблемам, на решение которых ее не «натаскивали» специально. Это значит, что до создания ИИ общего назначения еще очень далеко»
Реальность такова, что компании стремятся преувеличить достоинства своих ИИ-решений, чтобы привлечь инвесторов и завоевать доверие потребителей.
Доискаться правды в этой ситуации бывает нелегко.
Большинство компаний-разработчиков AI мало что сообщают о созданных ими алгоритмах и системах, ведь у них есть право на защиту интеллектуальной собственности.
Но когда инвесторы вкладываются в новое перспективное направление, им стоит тщательно анализировать, соответствуют ли заявления разработчиков действительности.
— Где востребованы возможности искусственного интеллекта и в каких сферах смогут работать выпускники факультета?
— Направление Data Science появилось как ответ на распространение интернета и всеобщую информатизацию. У бизнеса и других структур копятся массивы данных, с которыми нужно что-то делать. Крупные банки, провайдеры интернета и телефонии, поисковые сервисы, социальные сети аккумулируют сведения о пользователях и хотят извлекать из этого выгоду.
Пользователи, в свою очередь, хотят быстро отсеивать нужную информацию и получать только интересные предложения. Товары и услуги нужны всем, но реклама раздражает, потому что зачастую навязывает что-то неактуальное.
И тут на сцену выходит искусственный интеллект: он может анализировать клиентскую базу любого размера и составлять персонализированные предложения. Он может строить прогнозы на основе прошлых действий пользователя. Например, банки могут автоматически рассчитать вероятность того, что человек вернет кредит. И хотя у них заложены некоторые риски, прогнозирование важно, чтобы не разориться в кризис.
Партнер нашего факультета ИИ — «МегаФон». Это компания, которая всерьез работает с большими данными, чтобы лучше обслуживать своих клиентов. Занятиям со специалистами «МегаФона» у нас будет посвящена целая учебная четверть.
Кроме того, когда мы говорим об искусственном интеллекте, подразумеваем сразу несколько родственных направлений: data science, машинное обучение, data engineering. Базовые понятия и инструменты у них одни и те же. Поэтому наш выпускник сможет себя попробовать там, где ему интереснее.
— А бизнес не боится доверять свои процессы ИИ? Ведь цена ошибки может быть высока.
— Поздно бояться — бизнес уже вовсю пользуется искусственным интеллектом и во многих ситуациях не может без него обойтись. Понятно, что система ошибается. Но и люди ошибаются: издалека можно пень за человека принять. И все же автоматизация позволяет избежать множества проблем, связанных с человеческим фактором: устал, отвлекся, не успел. Плюс анализ big data без ИИ невозможен в принципе.
Или даже возьмем задачу попроще. Вот надо вам расшифровать аудиозаписи — перевести их в текст. А записей таких десятки. Нанимать наборщиков — дорого и неэффективно. Система распознавания речи сильно упростит задачу. Да, она будет ошибаться, особенно в пунктуации и незнакомых ей словах, но все равно исправить записанное программой проще и быстрее, чем набрать все с нуля. Кто защищал диссертацию и вынужден был часами просиживать за расшифровкой стенограмм, меня поймет — процесс довольно мучительный.
— А помимо крупных компаний куда-то реально трудоустроиться?
— Сфера применения искусственного интеллекта не ограничивается обработкой больших данных. Одно из преимуществ ИИ в том, что он позволяет решать сложные задачи усилиями небольшого штата сотрудников.
Стартапам и среднему бизнесу специалисты по искусственному интеллекту нужны, чтобы разрабатывать умные сервисы: голосовые помощники, системы поиска по картинкам и музыке, программы перевода речи в текст, приложения с функцией распознавания лиц, службы проверки контента на плагиат и так далее.
Все мы знаем софт, который накладывает маски и эффекты на изображение с веб-камеры: пририсовывает рожки к голове, бороду к подбородку или маску слона на все лицо. Такого плана вещи можно писать в одиночку.
Медицинские решения на основе ИИ способны выявлять тревожные симптомы и предупреждать о необходимости обратиться к специалисту. Можно сфотографировать на смартфон родинку и проверить ее на признаки злокачественного новообразования. Если это мотивирует кого-то вовремя пройти обследование — уже хорошо.
Суть в том, что вариантов применения технологий, которым мы учим, практически неограниченное количество. И в обозримом будущем круг задач, которые можно решать с помощью ИИ и машинного обучения, будет только расти. Поэтому наш выпускник, если у него появятся новаторские идеи, сможет запускать и собственные проекты.
Цели и ценности
— Кто преподает на факультете и по какому принципу вы этих людей искали?
— Мы отбирали преподавателей, которые добились успеха как специалисты в сфере data science и при этом умеют преподнести материал в практическом ключе. Они понимают нашу аудиторию: студенты хотят освоить профессию и скорее начать работать. У большинства людей, которые приходят учиться в GU, нет вузовского образования и опыта — знания нужно закладывать с нуля. Поэтому нас не устраивает подход «оттарабанил лекцию и пошел дальше». Мы на реальных примерах показываем, как получить результат, и объясняем, почему именно так. Мы выбираем задачи, с которыми человек столкнется на собеседованиях и на работе, помогаем вписаться в существующий рынок.
Автор курсов и декан факультета — Сергей Ширкин — специалист-практик, который накопил обширные знания сразу по нескольким направлениям. Он работал с базами данных (это data engineering), применял ИИ в банковской сфере, в области распознавания изображений. Когда Сергей познакомился с нашей концепцией, он ее одобрил и помог нам наладить учебный процесс.
О кривой обучения и не страшной математике
— «Искусственный интеллект», «нейронные сети» — это звучит сложно и таинственно. Насколько высок порог вхождения в профессию?
— Речь не идет о чем-то тяжелом и доступном лишь избранным. Можно провести аналогию с профессией веб-разработчика: спрос на специалистов велик, а порог вхождения не слишком высок. Отсюда растущая популярность data science, но отсюда же и нехватка настоящих профи при обилии начинающих.
Как и на других факультетах, мы ведем студента от элементарных задач к серьезным проектам, которые можно показать работодателю. Продвинутых программистских навыков не требуется, но важно изучить Python, алгоритмы и структуры. То же самое касается математики: если раньше вы учили ее только в школе и что-то уже забыли, это нормально. Все необходимое из школьного курса мы в любом случае повторим на занятиях.
Главное — не рассчитывать, что «оплатил абонемент на фитнес — мышцы сами растут». Сразу говорю, этого не будет. Вы получаете знания и инструменты, а дальше трудитесь над учебными проектами, ищете решения, задаете вопросы, читаете книги. Мы вас направляем, помогаем не заблудиться в трудностях, объясняем, чего будет ждать от вас работодатель.
Кстати, нашим студентам не стоит бояться конкуренции с выпускниками вузов. Потому что с вузовской теоретической базой специалистом по data science не станешь — придется долго набирать практику. А вот после учебы у нас можно сразу начать карьеру в крупной компании или присоединиться к перспективному стартапу.
— От математики никуда не деться?
— На самом деле, научить обработке данных можно и без математики: по принципу «нажми на кнопку — получишь результат». Но мы ведь не обезьянок в цирк готовим. Специалист должен знать, как работают инструменты, которыми он пользуется. Иначе любая незнакомая проблема поставит его в тупик. Когда человек понимает математическую составляющую задачи, он сам определяет, какой инструмент лучше подойдет.
У нас математика исключительно прикладная: мы все закрепляем на примерах и не оставляем места путанице. Человеческий мозг так устроен, что нужное для дела — запоминает, остальное — забывает.
Я сам изучал механику и математику в вузе. У меня не складывались ассоциативные связи между тем, что нам дают, и тем, где это можно применить. Например, я не понимал, что такое нормальное распределение: формулы знал, но понятие оставалось для меня абстракцией. И только позже, на работе, мне одна девушка-HR объяснила, что это значит. Доценты и профессора не смогли этого доступно растолковать, а ей удалось.
Когда вы видите, как теория работает в конкретной ситуации и куда ее можно приложить, все меняется — у вас складывается общая картина. Практических задач в сфере анализа данных и искусственного интеллекта сейчас много как никогда. Поэтому я уверен, что мы сможем заинтересовать студентов, увлечь их профессией.
— Если все не так сложно, почему на факультете ИИ учатся полтора года, а не четыре месяца, например?
— Потому что мы не обзор профессии даем, как бывает на других курсах, а учим с нуля людей, мало знакомых с математикой. Более того, мы считаем, что студентам с хорошим теоретическим заделом все равно надо математику перепроходить в контексте практических задач. Мы предлагаем не тратить личное время на предварительную подготовку, а сразу учиться профессии. Лучше сэкономленное время потом посвятить повышению квалификации и углубиться в те области, которые вам интересны.
— Что именно из математики вы даете на факультете?
— Для начала мы повторим, что такое график и производная. Дальше зададим основы матанализа, линейной алгебры и комбинаторики. С интегралами познакомимся в общих чертах — без глубокого погружения. Будем брать самые простые вещи, которые в сфере ИИ работают и помогают решать актуальные для рынка задачи. При наличии мотивации студент с помощью преподавателя разберется в этих темах, даже если раньше с ними не сталкивался.
Практика
— С какими инструментами студенты научатся работать?
— Большинство связанных с ИИ вакансий требуют знания Python. Поэтому мы изучаем этот язык и его библиотеки, позволяющие работать с векторами, матрицами, нейронными сетями. Это перекрывает 99 % задач, которые могут возникнуть. Специализированных инструментов много: Pandas, NumPy, Tensor Flow, Keras, Theano, Matplotlib, Seaborn, Scikit-Learn. Чтобы использовать все это осознанно и самостоятельно, мы математику и учим.
Мы также будем изучать вспомогательные вещи. Например, Linux и регулярные выражения нужны, чтобы уметь вычленить из текста нужные фрагменты. Основы HTML тоже объясним — не для верстки, конечно, а чтобы студент представлял себе структуру DOM и мог к ней обращаться. Все это пригодится для сбора данных в интернете.
В то же время мы старались не перегружать курс. Например, большинство библиотек, о которых мы сейчас говорили, ради быстродействия написаны на языке С. Но это не значит, что нам надо его учить. Для начала работы по специальности этого не требуется, и мы на этом не останавливаемся. Понятно, что нет предела совершенству, и если выпускник захочет создавать свои инструменты, он может C изучить. Я всегда таких людей приветствую. Но мы даем набор навыков для трудоустройства и дальнейшего саморазвития.
— Какие проекты студенты делают, чтобы набрать опыт и что-то записать в резюме?
— Проекты будут двух типов: наши и партнерские. Первый наш практический курс учит собирать и обрабатывать данные сети Интернет. Здесь студенты опробуют несколько подходов к задаче. Сначала мы будем «парсить» страницы: напишем на Python «паука», который пробежится по нужным адресам и скачает искомую информацию. Этот метод нужен, когда сайт не хочет отдавать данные сам.
Дальше научимся обращаться к сайтам по-хорошему — через программный интерфейс, он же API (Application Interface). То есть отправлять серверу запрос и получать информацию. Также разберемся, какие есть сервисы открытых данных и как ими пользоваться. Студенты выберут подход, с помощью которого соберут данные в интересующей их сфере. Кто-то решит в культурном наследии порядок навести, другой будет медицинскую статистику собирать, третий составит базу по туроператорам и пассажирским перевозкам. Кстати, на будущее можно и систему сбора релевантных вакансий написать.
Следующий проект будет связан с машинным обучением. Построим модель прогнозирования, чтобы компьютер не просто проверял гипотезы, а формировал их на основе имеющихся данных. Здесь мы тоже разберем два подхода: сначала напишем классификатор, затем создадим нейронную сеть, а по итогу студент сам решит, что использовать в отчетном проекте.
Еще будет проект, где понадобится решать задачи с использованием машинного зрения или с распознаванием естественного языка — на выбор.
Также студенты освоят платформу Kaggle и потренируются в спортивном анализе данных. Победы в таких состязаниях на рынке ценятся и приравниваются к профессиональным достижениям. Даже если вы ни дня не работали в data science, но у вас хорошие результаты на Kaggle, вами заинтересуются крупные работодатели.
Проект от «МегаФона» будет посвящен обработке больших данных, которые сам партнер и предоставит.
Мы ведем переговоры с Maps.me о проекте с распознаванием изображений. Студенты напишут приложение, которое будет брать спутниковые карты Open Street Map и оцифровывать: размечать контуры водоемов, зданий, дорог, — а затем все это грузить обратно в систему. Кто «народные карты» рисовал или помогал проекту Wikimapia, представляет, о чем речь. Мы покажем, как этот процесс автоматизировать. Это еще и полезная миссия, потому что с подобными офлайн-картами можно ориентироваться там, где нет интернета.
— Количество и разнообразие проектов действительно впечатляет… Теперь ясно, зачем учиться полтора года!
— Уверен, за лучшими нашими выпускниками работодатели и так в очередь выстроятся. Кадровый голод действительно существует. И зря некоторые думают, что сейчас все побегут в Data Science и рынок насытится. Хотеть стать экспертом — одно, а пройти этот путь — совсем другое. Как гласит притча, «много званых, но мало избранных». Крутых специалистов много не бывает, а бизнес в них очень нуждается. Мы со студентами будем работать, чтоб хотя бы часть этих потребностей закрыть.
— У меня по этой теме вопросов не осталось. Посмотрим, есть ли они у читателей. Сергей, огромное спасибо за рассказ!
Юлия Сухорослова, руководитель программы поддержки научно-технических проектов «Инновационная радиоэлектроника», ответила на актуальные вопросы про искусственный интеллект. Не обошлось без обсуждения «страшилок», правда бояться нужно не захвата планеты роботами.
— Есть ли такие области, где искусственный интеллект точно ни к чему?
— Интеграция технологий, в том числе и искусственного интеллекта, во все сферы жизни человека закономерна — не думаю, что мы должны проводить границы. Если ИИ способен подобрать ученику онлайн-школы более эффективную программу обучения или спрогнозировать риск инфаркта по ЭКГ, разве это плохо? Естественно, искусственный интеллект не должен заменять человеческий — он должен быть помощником, а не господином. Сбор информации, анализ, рекомендации можно отдать ему на «аутсорсинг», финальное принятие решений — никогда.
— Какие события и открытия в сфере ИИ вы бы назвали самыми значимыми в 2018 году?
— Подводить итоги, на мой взгляд, еще рано — и год не закончился, и результаты открытий нельзя оценивать только по факту их свершения. Важными считаю разработки в области медицины. Например, ученые из Института Генриха Герца создали систему автоматизированной диагностики инфаркта миокарда на основе самообучающейся компьютерной программы. А научные сотрудники Токийского университета разработали систему анализа Ghost Cytometry, которая совершенствует технологию обнаружения раковых клеток в крови человека.
— Какие проекты в области ИИ сейчас актуальны? Какие насущные проблемы нужно решить?
— Системы на базе искусственного интеллекта сегодня наиболее актуальны для аналитики в компаниях, оперирующих массивами больших данных: это медицина, нефтегазовая отрасль, логистика, физическая и информационная безопасность. На особой волне хайпа — проекты в области беспилотного транспорта (самые известные — Tesla и «Яндекс») и автоматизации клиентского обслуживания. Компании ищут способы не только автоматизировать рутинные операции вроде работы службы поддержки, но и зацепить клиента необычным сервисом — хотя чат-ботами сегодня уже мало кого удивишь. Российское представительство Coca-Cola недавно успешно протестировало робота Веру в ходе одной из HR-кампаний — она проводила первичное собеседование с кандидатами на одну из лидерских программ компании.
— В каких проектах в области искусственного интеллекта заинтересована «Инновационная радиоэлектроника»?
— В этом году мы впервые запустили набор проектов в области ИИ и пока присматриваемся к уровню подготовки и экспертизе. В текущем сезоне таких проектов было немного. Мы не отбираем команды под решение конкретных задач, по крайней мере на нынешнем этапе развития у нас таких целей нет. Рады поддержать проект в развитии и рыночной реализации, а также любую инициативу в этой области, если она найдет достойное применение на практике.
— Есть ли сейчас такая задача, решая которую, проект на 100 % получает поддержку?
— Нет, такой задачи нет. За сезон проект проходит несколько стадий и оценивается по ряду критериев: отдельно рассматриваются прототипы, бизнес-планы, попадание в рынок и ЦА и прочее. Окончательное решение принимает экспертная комиссия по результатам очной защиты проекта. Проекты проходят через несколько фильтров, после чего и формируется полное понимание, какие задачи они решают, насколько актуальны и какие у него перспективы на рынке. Из этого складывается решение о поддержке проекта.
— Какие стартапы в этой сфере вы считаете наиболее успешными?
— Мне очень близки технологические проекты, которые глобально могут позитивно повлиять на человечество. К таким относится система Watson for Oncology, разработанная в онкологическом центре имени Слоуна-Кеттеринга в Нью-Йорке. Программа анализирует индивидуальные планы лечения, данные онкологической экспертизы, а также использует массивы медицинской литературы в объеме более 300 научных журналов, 200 учебников и почти 15 миллионов страниц текста. Система ранжирует опции лечения, привязывая их к независимым исследованиям и клиническим рекомендациям.
Очень интересны проекты стартапа NTechLab и их сверхточный алгоритм распознавания лиц. Особенно приятно, что эта российская команда востребована и за рубежом — обычно отечественным стартапам довольно сложно пробиться на западные рынки.
— Есть ли моменты в сфере ИИ, которые вас пугают или удивляют?
— Классические страшилки о порабощении человечества роботами и искусственным интеллектом хороши для сюжета фантастического фильма, но с реальностью имеют мало общего. По крайней мере в ближайшие сто лет технологии навряд ли выйдут на такой уровень — современные роботы больше похожи на героев фильма «Трансформеры», чем на робо-девушку Софию.
Однако уже сейчас ИИ следует особо контролировать в некоторых областях: например, во всем, что связано с информационной безопасностью. Отдельно нужно учитывать влияние искусственного интеллекта на самостоятельность человека — полностью полагаясь на виртуальных помощников, мы перестаем развивать собственные навыки. Особенно это касается людей, применяющих ИИ повсеместно, даже в бытовой домашней рутине.
— Когда человек сможет разговаривать с искусственным интеллектом наравне?
— Думаю, это возможно уже сейчас. Необходимо обучить ИИ на основе анализа огромного количества диалогов. Один из примеров — яндексовская Алиса, которая может на простом уровне поддержать беседу. Она сильно эволюционировала с тех пор, как была выпущена.
— Когда ИИ сможет понимать иронию и многогранные значения русского мата в зависимости от контекста? Что для этого нужно?
— Распознавание нецензурной брани с точки зрения алгоритма ничем не отличается от обработки любых других слов. Мат, ирония, значение слова в контексте требует просто немного больше времени на машинное обучение. Легче распознать голосовое сообщение, потому оно несет эмоцию и интонацию. Гораздо сложнее научить машину понимать шутки в тексте— это не всегда под силу даже человеку, особенно если собеседник на другом конце мессенджера не использует эмодзи или другие символы.
— Что бы вы посоветовали почитать, посмотреть и посетить тем, кто интересуется искусственным интеллектом?
— Для вдохновения рекомендую футуристическую классику: «Матрица», «Терминатор» «Я робот», «Двухсотлетний человек», «На крючке», «Она», «Из машины», «Превосходство», сериал «Мир Дикого запада». Из художественной литературы — Стругацких и Айзека Азимова. Если хочется чего-то более реального, в формате «прямо сейчас в мире», то советую добавить в закладки раздел «Технологии» TED Talks. Из последнего меня впечатлила лекция о том, как беспилотники используют для доставки донорской крови.
По мероприятиям могу дать такой совет: обращайте внимание на организаторов. Очень хорошо, если это крупная IT-компания или компания на стыке отраслей — из сферы финтеха, например. Выбирать нужно, основываясь на своем уровне знаний и мотивации — ходить «просто послушать» абсолютно бессмысленно. Как вариант, можно начать с AI Conference в ноябре 2018 или Opentalks.ai в феврале 2019.
И как ИИ повлияет на мир искусства в ближайшем будущем.
Это перевод статьи “When Art Created by Artificial Intelligence Sells, Who Gets Paid?” Автор оригинала — Сэм Гаскин.
В конце октября 2018 аукционный дом «Кристис» впервые выставит на торги художественное произведение, созданное искусственным интеллектом. В преддверии этого события в галерее Нью-Дели Nature Morte состоялась первая выставка, полностью посвященная ИИ-искусству. Рынок уже показал заинтересованность, а специалисты задаются вопросами об авторских правах и о том, какие творческие задачи алгоритмам не под силу.
Что такое ИИ-искусство?
Фрагмент картины Марио Клингеманна (Mario Klingemann) “Chicken or Meat? Series 1”, 2018. Права принадлежат автору
Многие создатели AI-искусства используют генеративно-состязательную сеть (англ. Generative adversarial network, GAN). Это алгоритм машинного обучения, в соответствии с которым компьютер изучает библиотеку изображений или звуков и создает на ее основе собственный контент. Затем машина сравнивает свою работу с оригиналами и делает новую попытку, чтобы методом проб и ошибок поэтапно улучшать результат.
Видео, мультимедийные инсталляции, распечатанные изображения и другие произведения, которые получаются в результате таких «метаний» между двумя искусственными нейронными сетями, зачастую отталкивающе натуралистичны — из-за эффекта «зловещей долины».
К примеру, работающий в Мюнхене художник Марио Клингеманн обучал машину на портретах кисти «старых мастеров», а затем предложил ей в качестве исходного материала самого себя — на видео с веб-камеры. На итоговой записи можно видеть последовательность многоглазых шаржированных образов в духе картин британского художника Фрэнсиса Бэкона.
Продажа ИИ-искусства
Фрагмент работы Мемо Актена “Deep Meditations”, 2018. Права на изображение — галерея Nature Morte, Нью-Дели
Живущий в Лондоне турецкий художник Мемо Актен (Memo Akten) одним из первых продал работу, созданную с помощью искусственного интеллекта. В 2016 году на благотворительном аукционе Google в Сан-Франциско картина "GCHQ" принесла Актену 8 000 $. И вот два года спустя «Кристис» готовится выставить ИИ-работу «Портрет Эдмонда Белами» ("Portrait of Edmond Belamy", 2018) парижского арт-коллектива Obvious. Ожидаемая цена лота варьируется от 8 000 до 11 500 $.
Как любая новая форма выражения, AI-искусство пытается отвоевать себе место под рыночным солнцем. Один из директоров галереи Nature Morte Апараджита Джайн (Aparajita Jain) говорит, что во время недавней выставки Gradient Descent использовала «довольно агрессивное» ценообразование, чтобы помочь AI-направлению утвердиться в искусстве. Выставленные работы стоили от 500 до 40 000 $. Эта точка входа заметно ниже обычного для галереи стартового диапазона 10 000–100 000 $.
Среди работ, проданных на выставке, — картина художника Тома Уайта (Tom White) из Веллингтона. Автор создает абстракции в духе Кандинского на основе AI-интерпретации повседневных предметов — вроде биноклей и электровентиляторов.
По словам Джайн, выставка привлекла новую аудиторию, а значит ИИ-работы могут расширить рынок за счет покупателей не из числа финансистов и торговцев недвижимостью, лидирующих сегодня в приобретении предметов искусства.
«Я видел, как мою работу покупают люди, непохожие на типичных коллекционеров: ученые, разработчики игр, исследователи компьютерного зрения и ИИ» — комментирует Уайт.
Кто чем владеет?
Том Уайт, "Electric Fan" из серии Perception Engines, 2018. Права на изображение — галерея Nature Morte, Нью-Дели.
В публикациях о Gradient Descent представители галереи заявили, что произведения созданы «исключительно ИИ при участии художников». Представители арт-группы Obvious даже подписали работу не названием своего объединения, а математическим уравнением, которое использовали в алгоритме. Но как бы художникам и галеристам ни нравилось приписывать авторство искусственному интеллекту и подчеркивать, что они не могут дождаться, что еще создаст для них алгоритм, — у закона нет сомнений, кому принадлежат права на работу: человеку или программному обеспечению.
«ИИ — только инструмент, который художники используют так же, как фотографы камеру или Adobe Photoshop», — говорит Джессика Фьельд (Jessica Fjeld), замдиректора в Cyberlaw Clinic при юридическом факультете Гарварда.
«Люди глубоко вовлечены в каждый аспект создания и обучения искусственного интеллекта. Это не изменится ни завтра, ни в обозримом будущем», — объясняет Фьельд. И добавляет: «Меня больше интересует не то, может ли программа считаться автором по закону, а то, кто из всех вовлеченных людей получает в итоге права на конечное произведение».
По итогам совместного исследования Фьельд и Мейсон Кортц (Mason Kortz) назвали четыре ключевые составляющие AI-искусства, на каждую из которых так или иначе распространяется авторское право:
Вводные данные.
Алгоритм обучения.
Обученная нейронная сеть.
Полученные результаты.
Все упомянутые в этой статье произведения искусства продаются в виде результатов: распечаток, видеозаписей и инсталляций. Любая попытка скопировать и перепродать эти результаты нарушает авторские права художника-человека. Таким же нарушением было бы воспроизведение картины или фотографии без разрешения. И все же AI-искусство вносит в этот вопрос новые аспекты.
Права на код
Фрагмент работы Харшита Агравала (Harshit Agrawal) "The Anatomy Lesson of Dr. Algorithm", 2018. Галерея Nature Morte, Нью-Дели
Большинство ИИ-работ создаются с помощью инструментов c открытым кодом, таких как Google TensorFlow и Facebook Torch. Но, по словам Джессики Фьельд, художники, которые создают собственные алгоритмы (2-я и 3-я составляющие AI-искусства), как Том Уайт, владеют правами еще и на код.
«Художник в праве продать код как свою работу, хотя пока я таких случаев не знаю», — пояснила она. Тем не менее идея алгоритма как товара может понравиться коллекционерам. Для них это возможность обзавестись собственным ИИ-художником, который будет создавать уникальные работы.
Однако непросто обеспечить условия, при которых код будет выполняться как задумано — особенно в той части, где он взаимодействует с проприетарным программным и аппаратным обеспечением.
«Одна из главных проблем в обслуживании ИИ — фреймворки очень быстро обновляются, и со временем модель обученной нейросети оказывается перегружена», — объясняет Харшит Агравал, участник выставки Gradient Descent. Художник живет и работает в Бангалоре.
Его коллегу Актена особенно беспокоит ситуация с работами, при создании которых используются веб-технологии и «нужно проводить данные через сервисы типа Google Translate или API облачного сервиса Microsoft для распознания лиц». Художник добавляет, что это же относится к сервисам Amazon Cloud и ныне неработающему Vine.
«Я уже знаю о нескольких работах, которые “умерли” из-за обновлений или остановки облачного API», — подытожил он. Решением может стать отношение к AI-работе как перформансу. «Они [перформансы] длятся, сколько позволяет технология, а потом заканчиваются. Нам остаются воспоминания и документация».
Права на базу входных данных
Работа Анны Ридлер (Anna Ridler) "Untitled (from the Second training set)" из серии «Падение дома Ашеров», 2018. Галерея Nature Morte, Нью-Дели
Многие художники в работе с ИИ используют банки изображений и аудиозаписей, которые стали общественным достоянием. Популярные примеры: ImageNet, SoundNet и Google Art. Одна из причин избегать авторских изображений при обучении нейросети (составляющая 1) — результат может получиться слишком похожим на один из оригиналов.
«Я не слышала о судебных делах такого плана, но, думаю, рано или поздно такие разбирательства начнутся», — комментирует Фьельд.
Как заявил куратор выставки Gradient Descent Картик Кальянараман, теоретически, если ИИ-художники не копируют изображения или аудиозаписи как таковые, обучение на защищенных авторским правом работах не должно считаться нарушением. Точно так же, как студенты-художники имеют право учиться по образцам из книг и Музея современного искусства (MoMA). Принцип fair use подкрепляет юридические позиции художников, использующих чужой материал в качестве исходника. «С прагматической точки зрения и ради полной правовой чистоты я настаиваю, чтобы изображения в базе образцов [для выставляемых работ] были свободны от авторского права», — уточняет Кальянараман.
Анна Ридлер — еще один художник-участник Gradient Descent — соблюдает еще более строгую «правовую гигиену». Она обучает ИИ только по сделанным ею же наброскам и фотографиям. «Формирование базы данных — что включать, а что нет — тоже творчество и важная часть работы», — объясняет она. И заключает: «Поскольку эти базы сами по себе являются художественными произведениями (они созданы мной), повторить мою работу другому автору практически невозможно».
ИИ повлияет на весь рынок искусства
“Portrait of Edmond de Belamy”, 2018. Опубликовано группой Obvious Art, Париж. Права на изображение — Christie‘s
Искусственный интеллект не несет прямой угрозы художникам. Они могут использовать его в своих работах — при условии, что алгоритмы и входные данные открыты для воспроизведения или созданы ими самими. Но в долгосрочной перспективе развитие AI-искусства будет иметь ощутимые последствия для рынка.
Кальянараман считает, что с приходом новой технологии преобразится искусство, не связанное с ИИ. Так же изобретение фотографии когда-то повлияло на развитие живописи: дало начало импрессионизму, экспрессионизму и другим школам, заинтересованным в выражении эмоций и уникального человеческого восприятия. По мнению художника, использование ИИ приведет к появлению в живописи форм, подобных роману, и даже неожиданных и провокационных концептуальных работ. Ведь такое искусство — прямая визуализация описания.
Художникам, чьи работы только выглядят по-новому (как это было с Питом Мондрианом) или могут быть восприняты скорее через описание, нежели ощущение, вероятно, придется оставить свои занятия. Их картины потеряют ценность в глазах коллекционеров, как реалистичные рисунки стали менее актуальными с развитием фотографии, появлением Photoshop и цифровой иллюстрации.
Кальянараман предполагает, что востребованными останутся такие художники, как Марк Ротко и Пауль Клее, которые подчеркивали, что восприятие картины строится как отношения двух наделенных чувствами существ. Первый для этого погружал зрителей в огненное цунами, второй — щекотал им ноги.
«Все наше восприятие насыщено эмоциями», — замечает Кальянараман. В этом плане искусственному интеллекту будет сложно приблизиться к живым авторам.
В начале года искусственный интеллект впервые побил рекорд человека в понимании материала. Этот показатель оценивается специальным тестом, который создали в Стэнфордском университете. В него обычно входит упражнение на чтение или прослушивание информации, после которого испытуемый должен ответить на вопросы по тексту. Результат оценивается в баллах: они показывают процент вопросов, на которые даны верные ответы.
До января 2018 года рекорд в 82,3 балла принадлежал человеку. Искусственный интеллект от Alibaba улучшил его на 0,14 балла, а днем позже нейросеть от Microsoft обогнала «коллегу» еще на 0,21 балла. Попытки заставить искусственный интеллект пройти этот тест были и ранее. Свои нейросети испытывали Facebook, Tencent и Samsung, однако им не удалось превзойти человека.
Перед тестом искусственному интеллекту предоставили материал из тысячи статей Википедии. Затем нейросеть отвечала на вопросы человека. Примечательно, что ИИ от Alibaba мог улавливать нюансы мимики собеседника и — в зависимости от его выражения лица — корректировать ответ.
В том же январе нейросеть от Microsoft продемонстрировала хорошее понимание и в другом вопросе. ИИ попросили нарисовать птицу с черными крыльями и коротким клювом, и результат удовлетворил заказчика.
Искусственный интеллект в целом достойно показывает себя в творчестве. Правда, пока не создает принципиально нового, а использует плоды человеческих талантов. Бот сервиса CableTV.com написал песню в стиле певицы Тейлор Свифт, которую высоко оценили даже фанаты исполнительницы. ИИ изучил 50 баллад артистки и на их основе сгенерировал композицию о любви.
На изучение жанра black metal у нейросети других разработчиков ушло больше времени, зато результатом стал полноценный альбом из пяти песен. Невыносимый шум превратился в характерные для направления мелодии после 5 миллионов циклов обучения.
В августе система OpenAI Five сразилась с командой людей в Dota 2 и одержала верх. Против нейросети играли профи с перцентилем в 99,95 % — это означает, что они успешнее 99,95 % геймеров. К слову, ИИ в успехе не сомневался: он оценивал шансы на победу в 95 %.
Неплохие результаты нейросеть показывает и в более серьезных отраслях. Разработка Medical Brain от Google, представленная в этом году, на основе введенных в нее показателей здоровья человека может спрогнозировать ход болезни, вероятность ремиссии или смерти. Правда, пока точность оставляет желать лучшего. Врачи посчитали, что вероятность смерти пациентки с раком груди в ближайшие от вердикта дни составляла 9,3 %, а Medical Brain выдал цифру в 19,9 %. Женщина скончалась через несколько суток. Планируется, что в будущем разработка сможет помогать медикам в постановке диагнозов и лечении, чтобы избежать врачебной ошибки.
В голландской полиции нейросетям передали анализ данных. Алгоритмы берут на себя рутинную работу: сопоставляют факты, проверяют улики и выдвигают наиболее вероятные версии преступлений. Впрочем, основную работу все еще выполняют люди.
В американских школах боты следят за соцсетями учеников, чтобы выявлять тех, кто представляет опасность. Разработка ищет в публичных сообщениях маркеры, которые могут свидетельствовать о проблемах. Есть информация, что благодаря этому удалось предотвратить самоубийство одного из школьников. Однако сама идея подобной слежки выглядит пугающе. Хоть и не настолько, как нейросети, которые могут следить за человеком сквозь стены.
Разработка на основе радиосигналов способна определять положение тела объекта и даже распознавать его лицо. Предполагается, что первая функция будет использоваться для спасательных операций, а вторая — для поиска преступников. Но очевидно, что разработки не подчиняются законам робототехники, и любая технология может быть использована не только для защиты человека.
Проблемы искусственного интеллекта
По мнению Илона Маска, человечеству необходимо контролировать искусственный интеллект — однажды он может взбунтоваться. Причем самая большая опасность ИИ в том, что он бессмертен. Сооснователь Google Сергей Брин считает, что стоит задуматься, может ли искусственный интеллект манипулировать людьми. Основатель компании Microsoft Билл Гейтс ранее заявлял, что через несколько десятилетий нейросети могут стать причиной для беспокойства, так как начнут конфликтовать с целями человеческих систем.
Пока не приходится опасаться, что боты захватят мир — рано говорить о создании сильного ИИ, который будет мыслить и осознавать себя. Но искусственный интеллект уже принимает решения и вырабатывает выигрышные стратегии — причем ученые не всегда понимают, как именно. Алгоритмы видоизменяют данные, на которых они учатся, и формируют нежелательные связи.
В эту ловушку попала компания Microsoft с нейросетью, созданной для общения в Twitter. Ее представили в марте. Чат-бот должен был проанализировать речь молодежи и научиться разговаривать на ее языке. Вместо этого ИИ нахватался расистских идей менее чем за сутки и стал транслировать их в беседе. Общество приняло это без восторга, и разработчикам пришлось заморозить проект.
Вина в таком поведении бота лежит и на людях, и на ИИ. С одной стороны, нейросеть «научили плохому» тролли из интернета: бот запрограммирован говорить, как люди — и вопросы возникают скорее к тем, кто общался с ИИ. С другой стороны, исследователи не отрицают, что нейросеть впитывает расовые и гендерные стереотипы из текстов, по которым обучается. Впрочем, и здесь претензии стоит переадресовать тем, кто пишет такие послания. Однако несовершенство системы налицо, и отрицать его нельзя.
Есть и другие ошибки. В Калифорнии алгоритм уволил сотрудника IT-компании. У разработчика истек контракт, и система заблокировала его пропуск и компьютер. С рабочего места его вывели охранники, которые получили сообщение о том, что программист здесь больше не работает. Как выяснилось, это произошло из-за того, что в кадрах не внесли в алгоритм информацию о продлении контракта. Руководство не собиралось увольнять разработчика, и он был восстановлен в должности. Однако мужчина в течение трех недель оставался без зарплаты.
Стоит ли бояться ИИ
Впрочем, эти ошибки — не аргументы против искусственного интеллекта, а причины работать над ним более тщательно. Еще стоит смириться с тем, что боты лишат кого-то рабочих мест. Они уже взяли на себя часть рутинных задач, и тренд на автоматизацию производства не снижается.
По прогнозам, в Великобритании в 2037 году к программам перейдут задачи от сотрудников, которые сейчас занимают 20 % рабочих мест. По предварительным подсчетам, всего в мире ИИ заменит 7 миллионов человек. Но есть и хорошие новости: нейросети займутся рутинным трудом и при этом создадут 7,2 миллионов рабочих мест для высококвалифицированных сотрудников, которые в том числе возьмут на себя взаимодействие с искусственным интеллектом.
Похоже, выигрышная стратегия сейчас — не сражаться с нейросетями, а работать с ними. Специальность инженера по искусственному интеллекту входит в число технологических профессий будущего. Помимо программных инженеров будут востребованы специалисты по работе с данными, исследователи и многие другие. Дело найдется и для гуманитариев: копирайтеры будут писать диалоги для чат-ботов.
В США в топ работодателей, связанных с ИИ, входят Amazon, NVIDIA, Microsoft, IBM. В России с нейросетями работают Сбербанк, Яндекс, VisionLabs, HeadHunter, N-Tech.Lab и многие другие. К тренду присоединяется все больше организаций, поэтому число вакансий постоянно растет.
Пока таких рабочих мест больше, чем претендентов на них, и именно сейчас устроиться в компанию мечты достаточно просто. Однако 93 % нанимателей ищут сотрудника, уже работавшего по специальности. На факультете искусственного интеллекта GeekUniversity обучение совмещено с получением практического опыта. Год разработки позволит добавить в портфолио реальные проекты и откроет вам доступ к 39 % вакансий — с фильтром «опыт от 1 до 3 лет». Учиться никогда не поздно, но лучше начать прямо сейчас: оставьте заявку и присоединяйтесь.
Елена Булыгина предлагает Вам запомнить сайт «Ленусик»
