— Здравствуйте, Константин. Давайте начнем с классического образования. Где и на кого вы учились после школы? 

После школы я поступил в Сибирский государственный университет телекоммуникаций и информатики (СибГУТИ) на факультет «Экономика и управление по отраслям». На тот момент казалось, что быть экономистом очень хорошо и перспективно. Ну и родители подсказали.

— С чего началась и как развивалась карьера?

Начинал я менеджером по продажам в компании «Телетрейд». Но быстро понял, что продаю услугу по законному отъему денег у доверчивых людей, и ушел из компании. 

Изначально хотелось связать жизнь с финансовыми рынками, числами и красивыми графиками, но в своем городе найти работу мечты не удалось. В итоге устроился менеджером по продажам в компанию «Лабатон», она занималась продажей и сервисным обслуживанием офисной техники. Спустя некоторое время я стал ее директором и учредителем.

— Как она изменилась с тех пор?

Та компания, в которую я устраивался, и текущая — это, как говорится, две большие разницы. Я начал развивать оказание IT-услуг, создание инфраструктурных проектов. Добился высокой степени автоматизации компании, и это сказалось на численности и составе персонала — его стало заметно меньше. Сейчас в компании работает 5 человек.  

— Что за IT-проекты, расскажите, что делаете и для кого?

Один из первых наших проектов был для Новосибирского монтажного техникума. Для них была внедрена инфраструктура на базе MS Windows 2008R2: два доменных контроллера, DHCP. Файрвол — Allied Telesis, фильтрация контента — UserGate Web Filter. 

Cтуденты техникума — это довольно агрессивная среда в плане информационной безопасности, так что мы реализовали групповые политики, сильно ограничивающие действия студентов. Для разных студентов — разные политики.

Сейчас мы запускаем свой сервис облачного видеонаблюдения с сильной видеоаналитикой. Например, распознаванием лиц и объектов, подсчетом посетителей, распознаванием автомобильных номеров.

Даже продажи многофункциональных печатающих устройств с системами управления документами (доступ к МФУ по карте, квотирование печати, подсчет затрат на печать) становятся иногда емкими ИТ-проектами, потому что включают развертывание инфраструктуры на базе MS Windows Server 2016, MDS и программного обеспечения для автоматического распознавания текста и таблиц.

— Вы сильно изменили профиль компании. Наверное, многому приходилось учиться в процессе?

Да, постоянно приходилось что-то осваивать. Например, я прошел группу курсов Microsoft на получение сертификата MSCA — Microsoft Certified Solutions Associate (этот статус подтверждает наличие основных базовых навыков работы с технологиями Microsoft - прим. ред.).

В 33 года я прошёл курс повышения квалификации в НГТУ «Программист за 1 год». Помимо программистских навыков, в 2015 году получил степень MBA в Московской бизнес-школе, где также прошёл много небольших курсов, в том числе по интернет-маркетингу, HTML и CSS. 

— Ваша компания была на «Цифровом прорыве» в Казани. Какой проект там представляли?

Мы показывали там проект для «Газпрома» — прогнозирование ширины стенки трубы нефтепровода, исходя из показаний датчиков дефектоскопа. В финале в Казани мы заняли седьмое место в своей категории, а на региональном этапе до этого были победителями. Для участия построили прогнозную модель аварийности в ЖКХ. Взаимодействие с моделью производилось через web-сервис, созданный нами. И в финале, и на региональном этапе конкурса я был лидером команды и специалистом по машинному обучению.

— Интересный опыт! А какие у вас повседневные рабочие обязанности?

Я директор. Директор – человек, который может компанию вырастить, сделать прибыльной или убить. Чтобы принимать правильные решения, необходимо анализировать рынок, пытаться его прогнозировать. Не все проходит гладко — были две неудачные попытки запустить новое направление на пустом рынке.  Последствия были печальны, компания понесла финансовые потери, пришлось распустить персонал.

Также для тестирования тех или иных бизнес-идей необходимо задействовать инструменты интернет-маркетинга. Сайты я делаю сам. Часто и инструменты продвижения выбираю, и настраиваю их самостоятельно. Ну и конечно, на мне управление персоналом: планирование, организация, мотивация, контроль.

— Хм, вас можно назвать профессионально состоявшимся человеком. Зачем тогда вы пошли учиться в GB?

Мне работать до пенсии еще 29 лет. За 29 лет изменится вся наша жизнь — как трудовая, так и личная. Когда я учился в 2000 году на первом курсе, самым современным средством коммуникации был пейджер. А сейчас уже мало кто вспомнит, что это вообще такое.

Я хотел бы возглавить изменения, происходящие в нашей жизни. Мне нужны были знания в области искусственного интеллекта, ведь он будет внедряться в личной и корпоративной жизни все больше и больше. Именно поэтому я выбрал именно это направление для обучения. GeekBrains я предпочел из-за фундаментального подхода к обучению, здесь одинаково хорошо даются азы и продвинутая часть материала.

— Раньше самостоятельно что-то изучали в области искусственного интеллекта? 

Я начинал самостоятельно изучать статистику, комбинаторику, теорию вероятностей. Прошел курс Python для Data Science на Coursera. Последний хоть и позиционировался для всех, но математику там давали очень поверхностно, упор делался уже на прикладную часть. Обучение шло долго и не очень результативно. Но статистику я хорошо освоил.

— Что было самым интересным во время обучения в GeekBrains, какие задания нравилось выполнять?

Больше всего нравилось выполнять задания, привязанные к жизни. Например, прогнозирование цены квартиры, исходя из определенных параметров.

— Руководители компаний обычно заняты весь день. Как удавалось совмещать работу и учёбу?

Иногда обучение проходит иногда вечерами, но чаще я просыпался на 1,5 часа раньше и слушал лекции или выполнял задания. Из-за разницы во времени я почти никогда не слушал преподавателей в реальном времени. Только в записи.

— Какие приёмы помогали справляться с нагрузкой?

Самые продуктивные часы – это утренние часы. Старайтесь сложные задания или лекции выполнять именно в часы наивысшей продуктивности. Если задача не решается вообще, оставьте её на день, решение обязательно придет.

— Что и как из новых знаний вы применяете в своей компании?

Сейчас я использую методы машинного обучения в анализе внутренних и внешних данных компании для прогнозирования спроса на продукцию и услуги. Создаю системы для автоматического сбора информации.

У нас небольшая компания, и когда дело касается сбора информации, ее анализа и построения прогноза, я все делаю сам. Собираю информацию, анализирую движение товаров у поставщиков (благо у многих есть API). Соотношу эту информацию с отгрузками в своей компании. 

Есть ещё один проект, который пока не реализован в полной мере. Я собираю информацию о продаже коммерческой и некоммерческой недвижимости и обобщаю её. Веду мониторинг количества вакансий в регионе, а также мониторинг экономических показателей региона. Имея всю эту информацию, можно искать зависимости с целью прогнозирования спроса. 

Машинное обучение я также использую на финансовых рынках для статистических арбитражных стратегий, прогноза цен активов, исходя из большого количества факторов.

Вообще, при появлении нового бизнес-процесса в компании я в первую очередь думаю, как его реализовать без или с минимальным участием человека. И в этом мне очень помогают инструменты ИИ.

Начать свое дело

Пять лет назад я решил основать собственный бизнес. До этого с момента окончания вуза я работал программистом 1С, прошел путь от рядового сотрудника до руководителя проектов. За несколько лет в этой сфере я изучил подводные течения рынка, проблемы и потребности клиентов. Из-за медлительности исполнителей, лишней функциональности ПО и банальных сбоев системы крупные компании за одну ночь могли лишиться миллионной прибыли. Со временем у меня сформировалась идея, как автоматизировать типовые процессы в финансовом учете. Чтобы заняться этим, надо было перестать быть наемным сотрудником — лоббирование идей часто отнимает больше сил, чем их воплощение. 

Я хотел начать собственный бизнес, связанный с 1С, не столько из-за финансов, сколько из желания предоставлять качественные услуги и идти в ногу со временем. Поэтому и получилось развить свое дело, нанять штат специалистов, сотрудничать с крупными клиентами. Этот же подход и высшее образование программиста всегда помогали мне следить за трендами в IT и управлении бизнесом. Я заинтересовался технологиями интеграции машины и человека, мобильными приложениями, интерфейсами и автоматизацией.

Понять, чему учиться дальше

Этот интерес привел меня к тому, что пару лет назад я увлекся разработкой приложений на iOS. Изучая материалы в интернете, наткнулся на портал GeekBrains. Посмотрел несколько вебинаров, изучил блог и описания курсов. В итоге начал обучение по профессии «iOS-разработчик». Вскоре отметил, насколько качественно и быстро сегодня можно получить специальность в IT.

В итоге получилось несколько мобильных приложений для клиентов. Одно из них для сети кофеен — помогает принимать товар с завода через мобильный, быстро отмечать информацию о расхождениях, а также фотографировать брак, данные о котором тут же отправляются в базу завода.

Наша компания специализируется на автоматизации финансового и управленческого учета, бухгалтерском и управленческом аутсорсинге. Поэтому мне хотелось разобраться, куда движется сфера финансов. Основные тренды сводились к оптимизации и автоматизации процессов. Так я погрузился в блокчейн-технологии, а затем и в Data Science. 

В стратегию бизнеса на ближайшие пять лет я включил внедрение в делопроизводство машинного обучения. Мне это интересно не только как человеку из IT — я действительно вижу в этом возможность для бизнеса перейти на качественно новый уровень.

Мы занимаемся корпоративным сопровождением — у наших клиентов (каждый — от 20 пользователей) ежедневно возникают вопросы и задачи. И большинство из них — типовые, которые можно легко сортировать и решать без участия человека. Это может здорово сэкономить время и ресурсы, необходимые для расширения клиентской базы, улучшения качества услуг. А в итоге — увеличить прибыль. 

Я начал читать книги и статьи. Но в этой области без фундаментального образования не обойтись. А в GeekUniversity как раз стартовал факультет искусственного интеллекта. Я планировал отправить на обучение нескольких сотрудников, но захотелось сначала попробовать самому. Так в апреле 2019 года я снова стал студентом, на этот раз в онлайне.

Просыпаться и заниматься

Имея свой бизнес, невозможно выделять время на обучение каждый вечер. Так что я сдвинул режим сна и стал заниматься по утрам. Теперь ложусь в 23 часа и встаю в 5. Есть очевидный плюс: когда занимаюсь, голова свежая и никто не беспокоит. Вебинары просматриваю на удвоенной скорости — удобно при дефиците времени.

Больших сложностей в обучении нет, мне хватает 4–8 часов в неделю, в том числе на практические задания. Но иногда требуется намного больше — особенно когда берешься за задачи «со звездочкой». Скорее всего, дальше будет сложнее, так как пока мы прошли только вводную часть. Но польза от обучения уже есть. По подаче и актуальности курс мне нравится. Уже думаю над тем, кого из сотрудников наградить поступлением в GeekUniversity.

И сразу использовать знания 

Изученные возможности я уже внедряю в бизнес. В компании мы запустили процессы DevOps. Много времени уходит на организацию совместной разработки и загрузки изменений в продакшн у клиента. Особенно когда клиент работает с раннего утра до 23 часов — тогда возможность внести изменения в его базу есть только ночью. Внедрение Git и сопутствующих технологий позволило автоматизировать процесс и разгрузить разработчиков.

На Python пишем нагрузочные тесты для веб-сервисов. Получается хорошо — благодаря простому и удобному синтаксису, а также богатым библиотекам. 

По мотивам курса по Linux и облачным вычислениям меняем свою инфраструктуру. Мы разрабатываем свой сервис для корпоративной поддержки клиентов, поэтому задача по организации базы для этого сервиса очень кстати.

Вообще мне кажется, что технологии искусственного интеллекта и машинного обучения рано или поздно проникнут во все сферы и любой бизнес. И это не страшилка о том, что роботы заменят людей, — напротив, спрос на человеческие ресурсы только вырастет.

Но что произойдет точно, так это улучшится качество услуг. В 1С вижу огромный потенциал для развития как на стороне клиентов, так и на нашей — у интегратора. Сейчас много времени тратится на однотипную работу. Внедрение машинного обучения в работу по обращениям пользователей — наш следующий шаг. Далее — онлайн-отслеживание ошибок на стороне клиента.

Искусственный интеллект — одна из самых захватывающих тем фантастики XX века — делает невероятные успехи. Мы постоянно используем ИИ в повседневной жизни, зачастую сами того не подозревая. Тем не менее и сегодня искусственный разум не сходит со страниц фантастических романов и экранов кинотеатров. Кто-то из авторов рисует страшные картины порабощенного машиной человечества, а другие, напротив, видят в ИИ верного помощника и друга человека. 

Где истина и что такое на самом деле искусственный интеллект? Превзойдет ли он когда-нибудь возможности человеческого разума? Или это уже произошло? GeekBrains готов ответить на самые популярные вопросы об искусственном интеллекте и перспективах его использования.

Что такое искусственный интеллект?

Искусственный интеллект (сокращенно — ИИ) — размытое понятие, и общепринятого определения у него до сих пор нет. В середине XX века, когда на Дартмутском семинаре впервые прозвучал этот термин, авторы вкладывали в него значение, существенно отличающееся от современных. Тогда ученые полагали, что искусственный интеллект — это система, которая будет способна переводить тексты с одного языка на другой, распознавать объекты по фото или видео, улавливать смысл произнесенных фраз и адекватно на них отвечать. Нынешние ИИ умеют все это! Но можем ли мы считать, что цели достигнуты и искусственный интеллект уже создан?

Вряд ли. Ведь чем дальше мы продвигаемся по пути создания искусственного разума и чем более впечатляющих успехов достигаем, тем больше требований выдвигаем к ИИ. 

Некоторые ученые строят сложные теории на стыке философии и информатики, пытаясь определить, что же такое ИИ и каковы должны быть характеристики системы, чтобы считать ее разумной. Не вдаваясь в подробности, можно сказать, что интеллект определяется как способность к обучению, осознанию и применению знаний на практике. Следовательно, от искусственного интеллекта мы тоже вправе ожидать умения учиться, осознавать свои знания и использовать их. С первой и последней задачами современные ИИ вполне справляются!

Летом 1956 года в Дартмуте ученые собрались на семинар, посвященный вопросам искусственного интеллекта (там и был сформулирован этот термин), а уже в следующем году появилась концепция первой искусственной нейросети — перцептрон. В 1960 году Фрэнк Розенблатт создал на основе этой концепции компьютер «Марк-1». Первый в мире нейрокомпьютер учили распознавать буквы латинского алфавита. Но несовершенство техники 60-х и сложность процессов не позволили довести технологию до ума, а ее разработчик вскоре погиб. О нейрокомпьютерах забыли на 20 лет.

Лишь в 1980-е концепции нейросетей снова принялись изучать всерьез. Техника уже была достаточно мощной, да и критиков поубавилось: умная электроника быстро делала успехи. То, что два десятилетия назад казалось мечтой, стало выглядеть вполне реальным и достижимым. Впрочем, чтобы найти правильные подходы к обучению нейросетей, потребовалось еще 20 лет. Только в середине 2000-х ученые нащупали верный путь и искусственные нейросети начали свое победное шествие по планете.

Но прежде чем описывать их успехи, разберемся, как устроены эти сети.

Описание искусственного нейрона

Искусственные нейронные сети создавались как математическая модель человеческого мозга. Для этого ученым Уоррену Мак-Каллоку и Уолтеру Питтсу пришлось выработать теорию деятельности человеческого мозга. 

В нем отдельные нейроны представляют собой живые клетки со сложным устройством. У каждого нейрона есть дендриты — разветвленные отростки, способные обмениваться сигналами с другими нейронами через синапсы, а также один аксон — более крупный отросток, отвечающий за передачу импульса от нейрона. Часть синапсов отвечает за возбуждение нейрона, часть — за торможение. От того, какие сигналы и через какие синаптические связи придут на «вход» нейрона, будут зависеть и те импульсы, которые он передаст другим нейронам. 

Для искусственного нейрона физический носитель не нужен. По большому счету, он представляет собой математическую функцию. Ее задача — получить информацию (например, сигналы от множества других искусственных нейронов), обработать ее определенным образом, а затем выдать результат на «аксон» — выход. В искусственной сети нейроны принято делить на три типа:

• входные — каждый из этих нейронов получает на «вход» элемент исходной информации (например, одну точку изображения, если сеть распознает фотографии);
• промежуточные — обрабатывают информацию;
• выходные — выдают результат (при распознавании фото результатом может быть идентификатор изображенного объекта).

Сама нейросеть создается слоями, как пирог. Один из внешних слоев содержит входные нейроны, другой — выходные, а между ними могут располагаться один или несколько промежуточных. Каждый нейрон промежуточной сети соединен с множеством нейронов из двух окружающих слоев. Общение между нейронами обеспечивается с помощью весов — числовых значений, которые каждый нейрон вычисляет на основе данных, полученных от предыдущего слоя сети. 

Создавая искусственные нейронные сети, ученые ориентировались на устройство человеческого мозга. Поэтому принципы поведения рукотворных нейронов не так уж сильно отличаются от настоящих, живых. Может быть, и разум, который сможет развиться на основе таких нейросетей, будет приближен к человеческому?

Отличие искусственного интеллекта от естественного

Вопрос, чем ИИ отличается от естественного интеллекта, на самом деле лежит скорее в философской плоскости, чем в строго научной. И дело даже не в том, что мы не можем представить себе, на что будет похож (или не похож) искусственно созданный разум. Вообразить мы как раз способны что угодно — и писатели-фантасты многократно это доказали. Дело в том, что ни один искусственный интеллект, существующий на сегодняшний день, не достиг достаточно высокого уровня развития, чтобы состязаться с человеком на равных.

Существует точка зрения, высказанная философом Джоном Серлом еще в 1980-е годы. Он ввел термины «сильный ИИ» и «слабый ИИ». Сильный искусственный интеллект, по мнению ученого, может осознавать себя и мыслить подобно человеку. Слабый на это не способен. 

Сегодняшние ИИ, если классифицировать их по Серлу, однозначно относятся к слабым, поскольку ни у одного из них пока не зародилось самосознания. Наши искусственные нейросети распознают лица и рисуют странные, невероятные картины, читают рукописный текст и даже складывают стихи — но они и создавались исключительно для этих целей. Ни одна из этих нейросетей не способна передумать и выбрать для себя другую «специальность». Они делают лишь то, чему их обучили, и в некотором смысле их можно считать запрограммированными на выполнение этих задач. Подлинного понимания, что стоит за этими вещами, у них нет. Серл утверждал, что построение сильного ИИ в принципе невозможно.

Еще один философ, Хьюберт Дрейфус, также полагал, что компьютерные системы никогда не смогут сравняться с человеком — так как в своей разумной деятельности он опирается не только на усвоенные знания, но и эмпирический опыт. Компьютеры им не обладают по определению — следовательно, не судьба им развить собственный разум.

Но эти самоуверенные утверждения были сделаны во времена, когда нейросети делали только первые шаги. Сегодня, глядя на их успехи в обучении, нетрудно поверить в реальность ИИ, который сможет стать равным человеку, а то и превзойти его.

 Как сравнить человеческий и компьютерный интеллекты?

Постойте, а как мы вообще можем определить, достиг ли искусственный интеллект человеческого уровня или нет?

Можно предположить, что один из критериев — наличие чувств и эмоций, а также креативность. Если машина начала испытывать страх или любовь, если она вдруг решила написать стихотворение или нарисовать картину — разве это не будет проявлением разума?

Вполне возможно. Однако чувства есть и у животных, и у птиц. При этом на вопрос об их разумности (тем более — равенстве их разума человеческому) мы чаще отвечаем отрицательно. К тому же, чувства можно и запрограммировать — в большинстве они являются реакцией на конкретные внешние раздражители. Наконец, у нас попросту нет данных о том, смогут ли компьютеры когда-нибудь испытывать эмоции, сравнимые с человеческими. Но должны ли их чувства быть похожими на наши?

Может, более надежный критерий — самосознание? Если машина задается вопросом «Кто я?» — это и есть момент появления разумности? Но самосознание присутствует и у животных. При этом большинство людей вполне способны прожить свой век, не вникая в глубокие философские вопросы.

Существуют ли более точные и строгие методы для сравнения интеллектов? Ведь есть же коэффициент IQ, с помощью которого можно оценить умственные способности человека. Почему бы не использовать его для машины?

 У компьютерных программ есть IQ?

Измерить интеллект даже у человека невероятно сложно — к когнитивным и мыслительным способностям нельзя приложить линейку. Более того, IQ — показатель не абсолютный, а относительный. Некоторые ученые вообще считают, что тесты IQ измеряют не интеллект как таковой, а способность проходить такие тесты. Ее можно натренировать и получить блестящий результат — но интеллект при этом, разумеется, не изменится. Так что показатель IQ — не более чем число, которое связано с интеллектом, но не может дать его объективную оценку. 

В некоторых IQ-тестах преобладают задачи на наблюдательность или логику, в других — на комбинаторику, в третьих — на математическое мышление. Результат будет зависеть от того, что дается человеку легче и в чем он компетентнее. Значение имеют скорость прохождения тестов и специализация задач. 

ИИ тоже можно «натаскать» на решение определенных классов задач, и на IQ-тест у машины уйдет куда меньше времени, чем у человека. Так что нейросеть сможет набирать немыслимые для гениальных людей баллы, но при этом будет не способна ответить на простейшие вопросы, к которым ее при обучении не подготовили.

Так существуют ли вообще критерии, по которым можно объективно судить о машинном интеллекте? Одним из первых исследователей, попытавшихся выработать их, стал известный британский математик Алан Тьюринг. 

Что такое тест Тьюринга?

В 1950 году Тьюринг опубликовал статью «Вычислительные машины и разум», в которой обсуждал вопросы теоретической возможности мышления у машин. Это было не первое исследование на тему искусственного интеллекта и даже не первая подобная работа Тьюринга, но именно она стала отправной точкой серьезных научных дискуссий и споров. 

Тьюринг начал с определений, чтобы уточнить вопрос о том, может ли машина думать, — он показался ему слишком размытым. Что за машина имеется в виду? Что вообще означает «думать»?.. Было очевидно, что такой вопрос изначально несет в себе иррациональное зерно, которое не позволит дать на него правильный ответ. Результатом размышлений ученого стал тест Тьюринга — эксперимент, в котором человеку («судье») предлагается общаться с двумя собеседниками: человеком и компьютером. Задача судьи — понять, кто есть кто. Если в результате он не уверен, который из его собеседников — программа, или ошибся в оценке, считается, что машина прошла тест.

Суть теста Тьюринга не в создании «машины-обманщика», способной притвориться человеком. Он помогает убедиться в том, что конкретная машина или программа обладает разумом, который трудно отличить от человеческого. Такой компьютер Тьюринг назвал «интеллектуальным» — этому определению уже более 60 лет, и оно остается актуальным.

Процессоры для ИИ

Технологии ИИ не ограничиваются программными решениями. Сегодня активно разрабатываются электронные чипы, в которые поддержка ИИ встроена на аппаратном уровне. Микропроцессоры такого типа называют нейронными процессорами. Они применяются в беспилотных автомобилях и летательных аппаратах (дронах), промышленных роботах и автоматах, а также для решения специализированных задач — распознавания голоса или изображений, создания поисковых систем и машинных переводчиков.

Среди таких девайсов — тензорный процессор Google (TPU), созданный специально для систем машинного обучения. В свободной продаже этого устройства пока нет: его использует только сама компания Google — для оптимизации поисковой выдачи и обработки фотографий. TPU оперирует 8-битными числами (что чрезвычайно мало для точных вычислений), и имеет чуть более десятка команд (другие современные процессоры могут располагать сотнями). Но это не мешает тензорному процессору эффективно выполнять расчеты, связанные с искусственным интеллектом и нейросетями. Процессор быстро развивается — Google каждый год выкатывает новую версию. 

Тензорный процессор Google Tensor Processing Unit 3.0 (TPU)

Есть и другие разработки подобных чипов. Многие из них — узкоспециализированные: к примеру, предназначены ускорять программы ИИ для компьютерного зрения.

Рынок технологий искусственного интеллекта

Технологии искусственного интеллекта применяются практически во всех сферах человеческой деятельности, так что у искусственного интеллекта большое будущее. Рынок продуктов, использующих ИИ, стремительно растет.

Мировой рынок

К 2022 году прогнозируемый объем рынка ИИ достигнет 52 миллиардов долларов. Возможно, это не такая уж большая цифра — к примеру, рынок компьютерных игр к этому же году превысит 130 миллиардов, а рынок смартфонов уже в 2018 был в 10 раз больше — 520 миллиардов. 

Но рынок ИИ показывает беспримерно высокий рост — по некоторым оценкам, он увеличивается примерно на 30 % ежегодно (аналогичные показатели для игр и смартфонов — около 5 %). Если такие темпы внедрения технологий сохранятся еще несколько лет, можно ожидать, что скоро искусственный интеллект будет буквально повсюду.

Свой вклад в развитие ИИ вносят крупнейшие мировые IT-компании: Google, IBM, Intel, Nvidia. Среди стран лидируют США, Китай и Великобритания. 

В России

Если в 2017 году проектов с использованием ИИ в России было всего несколько десятков, то в 2018 — уже сотни. По прогнозам экспертов, к 2020 году объем рынка достигнет 28 миллиардов рублей (примерно 450 миллионов долларов). Активнее всего новые технологии используются в финансовой сфере, а также телекоммуникациях, ритейле и энергетике. Некоторые компании нанимают команды специалистов, занимающихся исключительно вопросами разработки и внедрения систем ИИ.

Несмотря на то, что рост рынка идет в целом даже быстрее, чем в мире, есть проблемы. Главной бедой остается нехватка специалистов по машинному обучению. Значит, самое время заняться изучением ИИ, чтобы получить востребованную специальность и высокооплачиваемую работу.

Влияние искусственного интеллекта на рынок труда

Уже сегодня существуют области, где ИИ может заменить человека. Например, приложения могут отвечать клиентам по телефону или в чате на несложные вопросы. Это позволяет оптимизировать нагрузку операторов call-центров и даже сократить их штат. 

На производстве ИИ способен управлять автоматикой и промышленными роботами. Искусственная нейросеть, постоянно контролирующая показатели множества датчиков, сумеет быстрее человека среагировать на нештатную ситуацию и предпринять правильные меры — отключить конвейер или остановить механизмы. Во многих случаях такие системы могут заранее предсказать неполадки и предотвратить ЧП. 

ИИ будет вытеснять людей с рабочих мест. Он обходится дешевле и допускает меньше ошибок. Не умеет лениться, прокрастинировать и зависать в фейсбуке, не нуждается в отдыхе, сне и отпуске, не грустит и не устает. Идеальный работник.

В первую очередь искусственные нейросети потеснят человека в выполнении рутинных операций, возьмут на себя сложные расчеты, оценку рисков, сбор информации, моделирование ситуаций по заданным параметрам. ИИ можно задействовать на опасных и вредных производствах.

Но люди по-прежнему будут нужны там, где роботы еще долго не сумеют составить им конкуренцию. И речь не только о творческой сфере. ИИ пока способен выполнять только узкоспециализированные задачи, на которые его натренировали, поэтому заменить людей могут в той же мере, что калькулятор — математика. При этом развитие технологий ИИ открывает огромный рынок труда для специалистов, связанных с машинным обучением и обслуживанием интеллектуальной техники.

Где используется ИИ?

Говоря кратко — почти везде! 

Не так уж много осталось сфер человеческой деятельности, совсем не затронутых технологиями ИИ. Рассмотрим только самые важные области, где ИИ уже используется.

ИИ в интернете

Всякий раз, когда вы произносите «Окей, Гугл» или «Привет, Сири», вы обращаетесь к искусственному интеллекту в вашем смартфоне. Он способен распознать в сигнале с микрофона обращенную к нему речь. Он записывает ваш вопрос и пересылает на серверы Google или Apple. Там к делу подключается второй ИИ, который распознает речь и переводит вопрос в понятный компьютеру формат. А затем третий выполняет поиск ответа по гигантским базам данных. Наконец, ответ возвращается на ваш смартфон, где ИИ, генерирующий человеческий голос, озвучивает его для вас. И все это за доли секунды.

ИИ на транспорте и в логистике

Впечатляющее применение искусственных нейросетей — беспилотные автомобили. За последнее десятилетие разрабатывать машину, которая была бы способна самостоятельно перемещаться по дорогам, взялись многие автопроизводители — General Motors, Nissan, BMW, Honda, Volkswagen, Audi, Volvo, а также компании Google и Tesla. Беспилотники пока не стали массовым явлением на улицах наших городов, но они явно делают успехи. 

Компания Amazon с 2013 года разрабатывает идею доставки товаров и почтовых отправлений с помощью дронов. Впервые посылка прибыла к получателю с беспилотным летательным аппаратом еще в декабре 2016. В некоторых регионах дронами доставляют еду, лекарства и даже портативные дефибрилляторы. Система пока не идеальна, но она продолжает развиваться. К сожалению, дроны могут служить и противозаконным целям: зафиксированы случаи доставки запрещенных предметов в тюрьмы с помощью беспилотников, а также использование дронов для перевозки наркотиков.

ИИ в финансах

В финансовой сфере ИИ применяют для прогнозирования рисков, выявления мошенничества. Корпорация MasterCard, создавшая международную платежную систему, несколько лет назад внедрила сервис Decision Intelligence. Он призван повысить точность подтверждения подлинных транзакций и снизить вероятность ложных отклонений платежей — это ошибочное срабатывание встроенной системы безопасности, которая не позволяет совершить корректную транзакцию, принятую за мошенническую. Подобные ошибки наносят вред как продавцу, теряющему клиента, так и покупателю, не получающему товар. Убытки получаются даже выше, чем ущерб от мошенничества. 

Система, работающая на искусственной нейросети, использует информацию из множества источников, чтобы на лету оценивать, насколько транзакция «нормальна». Учитывается не только надежность и история транзакций продавца, но даже типичность покупки для покупателя и его местоположение, а также время суток. Все это помогает надежнее защитить людей от мошенничества и минимизировать ложные срабатывания.

ИИ в медицине

В здравоохранении ИИ развивается в первую очередь в области диагностики заболеваний. Искусственные нейросети научились распознавать раковые опухоли на рентгеновских снимках, КТ, маммографии и МРТ. Опытному врачу на изучение снимка требуется около 20 минут, а нейросети — считаные секунды. Так что пациент может узнать результаты обследования практически мгновенно. Особенно приятно, что такие разработки ведутся и в России.

Диагностирующие ИИ способны выявлять не только рак, но и ранние стадии болезни Альцгеймера, пневмонию и другие заболевания. 

В обороне и военном деле

В 2018 году стало известно, что в армии США разрабатывается ИИ, способный распознавать человеческие лица в темноте и даже сквозь стены — с помощью тепловизора. Ожидается, что технология поможет выявлять главарей банд в местах военных действий. 

Другой ИИ — ALPHA — создан для управления беспилотными истребителями и ведения воздушного боя. В одном из сражений на симуляторах компьютер победил, управляя одновременно четырьмя самолетами против двух противников-людей. 

Разрабатываются также системы прицеливания для танков, способные заметить закамуфлированные цели.

В военно-промышленном комплексе ИИ поможет повысить обороноспособность стран, но может стать и оружием террора.

В бизнесе и торговле

В ритейле ИИ производит революцию. Искусственные нейросети улучшают качество сервиса и обеспечивают индивидуальный подход к каждому потребителю. Умные технологии выявляют мошенничества с банковскими картами, дают персональные советы и помогают подобрать товар.

Согласно данным TAdviser, в 2018 году свыше трети всех доходов ритейла было получено благодаря рекомендациям на основе ИИ! 

ИИ в спорте

Здесь ИИ-технологии используют для прогнозирования результатов матчей — такие системы созданы компаниями UBS, Commerzbank и Microsoft. Учитывается опыт команды и отдельных игроков. Порой прогнозы оказываются верными, но зачастую искусственный интеллект серьезно просчитывается. Человеческий фактор способен опровергнуть любые предсказания.

ИИ в культуре

Машина не может заниматься творчеством, потому что у нее нет воображения! Или все же может?

Как ни странно, искусственные нейросети способны проявить креативность, и даже достигают определенных высот в сфере культуры. 

Музыка

Как звучала бы флейта, если бы была ситаром? Синтезатор NSynth Super от Google использует нейронную сеть, чтобы создавать совершенно новые звуки на основе разных инструментов.

Проект Sony Flow Machines идет дальше. Анализируя подборку песен, электронный композитор вырабатывает собственную оригинальную мелодию. В 2016 году компания представила сингл Daddy's Car, основанный на музыке The Beatles. 

Alice, разработанная в рамках стартапа Popgun, умеет «подыгрывать» человеку, создавая музыкальные импровизации. Американская певица Тэрин Саузерн выпустила альбом в соавторстве с нейросетью Amper. А проект Endel способен по нажатию одной кнопки создавать композиции, созвучные настроению пользователя. 

Живопись

Нейросеть DeepDream создавали с прицелом на распознавание лиц, а у нее обнаружились способности к сюрреалистической живописи. Разработчики открыли сайт, на котором любой желающий может в сотрудничестве с ИИ создать удивительное полотно. Нейросеть пишет картины в разных стилях.

Правда, придумывать сюжеты она пока не умеет — просит помощи человека. 

Видео

С помощью ИИ, разработанных Google и Facebook, можно «заставить» человека на экране произнести любые слова, изобразить весь спектр эмоций. И отличить такие ролики от настоящих бывает непросто. Нейросети могут даже заменить одного актера на другого в отснятом кино. А это открывает возможности не только для кинематографистов, но и для создателей фальшивок. 

Литература

Нейросеть от Facebook умеет писать стихи, идеально выдерживая размер и ритм, подбирая хорошие рифмы. Читатели лишь в половине случаев сумели распознать сгенерированные компьютером строки, но до настоящих поэтов ИИ далеко. Машина пока не научилась передавать эмоции и вкладывать смысл в стихотворные произведения.

Яндекс тоже запустил «Автопоэта», который создавал стихотворения из поисковых запросов пользователей. Некоторые невозможно читать без улыбки. Трудно поверить, что их сочинила нейросеть, лишенная чувства юмора!

А компания Narrative Science разработала электронного журналиста. Пока статьи, написанные ИИ, просты по содержанию, но руководство компании с оптимизмом смотрит в будущее и верит, что к 2025 году до 90 % текстов в интернете будут написаны с помощью машинного интеллекта.

В 2016 году книга «День, когда компьютер напишет роман» вышла в финал японской литературной премии имени Хоси Синъити. Это произведение почти полностью создал искусственный интеллект.

Игры

В компьютерных играх нейросети используются для управления противниками и игровыми ботами. Но ИИ можно научить играть и «по другую сторону экрана» — то есть считывать визуальную информацию с экрана и управлять игровым персонажем, как это делает человек. 

В 2016 году между ИИ даже проводился чемпионат по Doom. А система Deep-Q-Network обучена играть на классических аркадных автоматах Atari. Зачастую она показывает результаты до 30 % выше, чем у опытных игроков.

В XX веке считалось, что искусственный интеллект можно будет считать достаточно мощным и развитым, когда он сумеет обыграть чемпиона мира по шахматам. Этот этап компьютеры прошли уже давно — еще в 1997 году Deep Blue одержал победу над Гарри Каспаровым (причем это была алгоритмическая программа, а не искусственный интеллект). 

После этого внимание публики обратилось к более сложным тактическим играм, например го. Сложность вычислений хода здесь на порядок выше, чем в шахматах, поэтому создать алгоритмы, которые перебирали бы возможные варианты, практически невозможно. Но обученные нейросети сумели справиться и с этой игрой. Уже в 2015 году разработанная Google сеть AlphaGo выиграла матч у профессионального игрока в го. 

Перспективы развития искусственного интеллекта

Научные исследования ИИ ведутся более полувека, но до сих пор далеко не все понимают суть технологии. В фантастических романах и фильмах писатели и режиссеры изображают, каким опасным может быть искусственный интеллект. И у многих представление об искусственном разуме формируется именно таким.

Ответим рационально на вопросы, связанные с далекими перспективами развития ИИ.

Цель ИИ — поместить человеческий разум в компьютер?

Нет, это не так. Даже теоретически подобная ситуация не так уж невероятна. Искусственные нейросети создаются по образу человеческого мозга, хотя и в очень упрощенном виде. Может быть, однажды станет возможно просканировать все разделы мозга живого человека, составить «карту» его нейронов и синаптических связей и воспроизвести ее копию в компьютере. От такой скопированной нейросети можно ожидать не только разумного поведения — она буквально будет двойником человека, сможет осознавать себя, принимать решения и совершать поступки, как он. Скопируются даже воспоминания. Теоретически, можно будет поместить такую нейросеть в искусственное тело (в робота), и тогда человек — копия его сознания — сможет жить практически вечно.

На практике осуществить такой перенос будет невероятно сложно: нет технологий, которые позволили бы «прочитать» живой мозг и создать его «карту». И мы пока очень далеки от создания искусственной нейросети, которая была бы столь же мощной, как мозг.

ИИ стремится достичь человеческого уровня интеллекта?

Цель ИИ — помогать людям и брать на себя сложные или рутинные задачи. Для этого ему вовсе не обязательно поддерживать беседы на философские темы или сочинять поэмы. 

Тем не менее, если искусственный интеллект однажды сможет достичь уровня человеческого мышления, это будет важной вехой для цивилизации. Мы получим дельного и умного помощника — и сможем по праву гордиться тем, что это творение наших рук.

Когда искусственный интеллект достигнет человеческого уровня?

Мы успешно создаем сравнительно небольшие нейросети, способные распознать голос или обработать изображение. Никакой ИИ пока не обладает такой же пластичностью, как наш мозг. 

Человек может сегодня заниматься музыкой, а завтра взяться за программирование на C++ — благодаря невероятной сложности мозга. В нем 86 миллиардов нейронов и бесчисленное количество синаптических связей между ними. 

Искусственным нейросетям пока далеко до этих показателей: у них от нескольких тысяч до миллионов нейронов. Есть технические ограничения на размеры нейросетей: даже суперкомпьютеры не «потянут» нейросеть, сопоставимую по масштабам с человеческим мозгом. Не говоря о том, что ее обучение будет нетривиальной задачей. 

Скорость компьютеров позволяет им обладать интеллектом?

«Мощность» интеллекта связана не со скоростью вычислений, а со сложностью нейронной сети. Человеческий мозг пока превосходит по мощности любую искусственную нейросеть, несмотря на то что скорость процессов в нем существенно ниже, чем в компьютерах. 

Искусственные нейронные сети состоят из отдельных нейронов, которые группируются в слои. Два внешних слоя служат «входом», на который подается исходная информация, и «выходом», с которого считывается результат. Между ними могут располагаться от одного до нескольких десятков, а то и сотен, промежуточных слоев из нейронов. Причем каждый нейрон в слое соединен с множеством других в предыдущем и следующем слоях. 

Чем сложнее устроена сеть, чем больше в ней слоев и нейронов, тем более масштабные и серьезные задачи она может выполнять. 

Может ли нейросеть развиваться естественным путем?

Разберемся, вероятно ли, что ИИ сможет получать опыт и обучаться естественно, как ребенок. Человеческий разум формируется под воздействием множества факторов. Мы получаем информацию о внешнем мире благодаря органам восприятия — наблюдая, осязая, пробуя на вкус. Взаимодействуя с окружающей средой, получаем жизненный опыт, знания о свойствах мира, социальные навыки. Наш мозг постоянно совершенствуется и физически меняется, наращивая новые синаптические связи и «прокачивая» существующие.

Если мы сумеем создать нейронную сеть, достаточно сложную, чтобы она могла развиваться подобным образом, и снабдим ее «органами чувств» — видеокамерой, микрофоном и подобным, — возможно, спустя время она сможет приобрести «жизненный опыт». Но это дело далекого будущего.

Риск для человеческой цивилизации — есть ли он?

Риски, связанные с новыми технологиями, всегда существуют. Вопрос — в чем они заключаются. 

Может оказаться, что искусственные нейросети, достигнув определенного порога, выйдут на «плато» эффективности и не будут развиваться дальше. Или не оправдают надежд, если окажется, что ИИ в принципе не способен справиться с тем или иным классом задач, например творческого характера. Это может обернуться потерями трудозатрат и финансовых вложений.

Если же под риском понимать техногенные катастрофы или восстание машин — пока это нам вряд ли грозит. Говоря простыми словами, современные нейросети не способны обратиться против создателей — как нейроны в мозге, управляющие движением руки, не способны осознать себя как личность и нанести удары по собственному телу.

Тем не менее мы должны помнить, что ИИ — наша разработка. Мы их проектируем, создаем, обучаем, вкладываем «мысли». Значит, и ответственность за их поведение — на нас. 

Четвертая революция

Как бы мы ни относились к искусственному интеллекту, придется принять тот факт, что он уже существует. Отказаться от него — значит сделать шаг назад в развитии. Ведь ИИ — это важная часть нашего прогресса. Многие ученые связывают с искусственными нейросетями начало четвертой промышленной революции и заявляют о том, что грядет новая эпоха — когда рядом с нами появится рукотворный разум, всегда готовый прийти на помощь. 

Все новое пугает и вызывает недоверие — это нормальная человеческая реакция, и многие люди с опаской относятся к ИИ. Про ужасы, которые принесет нам искусственный разум, не говорил разве что ленивый фантаст. Но подобное в свое время сочиняли о каждом технологическом новшестве. Люди боялись паровозов, потому что они «распугают коров, отравят птиц дымом, а при скорости свыше 15 миль в час пассажиров разорвет на части». Вероятно, потомки тоже будут посмеиваться над нашими страхами, о которых узнают из фильмов и книг XX и XXI веков.

Технологии сегодня меняют мир быстрее, чем когда-либо. В 70-х годах искусственный интеллект существовал только в фантастических романах. 20 лет назад разработки ИИ уже велись, но успехи не были впечатляющими. Но в середине нулевых случился качественный прорыв в машинном обучении, ставший Большим взрывом для искусственного интеллекта. И сегодня множество нейросетей помогают нам фильтровать и искать информацию в интернете, обрабатывать фотографии, переводить тексты. Одна из областей, где ИИ открывает потрясающие новые возможности, — это автотранспорт.

Как искусственные нейросети изменят будущее вашего автомобиля?

Искусственный разум рулит!

Тема беспилотных автомобилей на слуху, и вокруг них поднялась не меньшая шумиха, чем в XIX — начале XX века по поводу «безлошадных повозок». На появление машины, которая сможет самостоятельно перемещаться в транспортном потоке, надеются многие. Но есть и опасения, что возрастет количество ДТП, в том числе смертельных.

Беспилотные авто активно разрабатываются на протяжении последнего десятилетия, а кое-где даже используются в тестовом режиме. К их созданию подключились гиганты автомобильной промышленности: BMW, Nissan, Honda, General Motors, Volkswagen, Audi, BMW и Volvo — и новые игроки на авторынке: Google, Tesla и множество менее крупных компаний. До массовых продаж беспилотных автомобилей дело пока не дошло. Автопилоты делают успехи, но до совершенства им далеко. Так что по меньшей мере в ближайшие пять-десять лет искусственный интеллект едва ли сумеет заменить — или хотя бы серьезно потеснить — опытного водителя.

Техническая реализация «искусственного водителя» — не единственная задача. Нейросети в автомобиле предстоит заботиться не только о том, чтобы соблюдать скоростной режим, сворачивать на нужных перекрестках и удачно парковаться. Ей придется еще и решать этические вопросы — например, когда ДТП неизбежно и приходится выбирать между двумя плохими вариантами. Что, если ИИ автомобиля внезапно обнаружит на дороге пешехода, но затормозить не будет успевать — и можно либо сбить человека, либо свернуть с дороги и врезаться в дерево, причинив вред пассажиру? Эта моральная дилемма известна как проблема вагонетки. И как искусственному разуму сделать выбор в ситуации, с которой не справиться и человеку?..

Однозначных ответов на подобные вопросы нет и не будет. Тем не менее, Массачусетский технологический институт (MIT) создал сайт, на котором предлагает всем желающим пройти тестирование и выбрать, как они решили бы предложенные моральные дилеммы. В будущем данные этих исследований могут помочь разработчикам научить искусственный интеллект делать этический выбор, руководствуясь «среднечеловеческими» показателями.

Моральный тест MIT. У автомобиля отказали тормоза. Какой выбор должен сделать автопилот: врезаться в препятствие, убив находящихся в салоне пассажиров — девочку, женщину-спортсменку, бездомного и кошку, или выполнить маневр и сбить пешеходов — женщину, полного мужчину, мужчину-спортсмена, беременную женщину и ребенка (принимая во внимание, что они переходят дорогу на красный свет)?

Впрочем, мы уверены, что с повсеместным внедрением беспилотных автомобилей улицы городов и автострады станут значительно менее опасными, чем сейчас, а количество ДТП снизится (хотя и вряд ли до нуля). Ведь ИИ не заснет за рулем, не отвлечется на разговор по телефону, не нарушит скоростной режим, не предпримет заведомо опасный маневр. И точно не сядет за руль пьяным.

Менее очевидное, чем автопилоты, применение искусственных нейросетей в автомобиле — это помощники человека, делающие вождение более безопасным.

Безопасность вождения

Уже сегодня умная электроника способна проложить маршрут с учетом пробок и погодных условий, а также предложить альтернативные способы добраться из пункта А в пункт Б. Навигатор покажет на дисплее дорогу и подскажет голосом, где сделать поворот или снизить скорость. Благодаря навигационным программам бумажные атласы автомобильных дорог и огромные карты городов становятся раритетом. Навигатор удобно использовать, а еще он помогает сделать поездку безопасной. Ведь водителю не нужно отвлекаться, чтобы свериться с картой незнакомого города, или высматривать таблички с названиями улиц на перекрестках, чтобы убедиться, что он не пропустил нужный поворот.

По статистике, свыше 50 % аварий на дорогах случается из-за того, что водитель был невнимателен или отвлекся. Нейросети автомобиля избавят человека от необходимости выполнять действия, которые отрывают его от управления машиной. Например, смогут по голосовой команде переключить радио, увеличить громкость или изменить маршрут поездки.

Но происшествия случаются, даже когда водитель внимателен и соблюдает правила, — на дорогах слишком много факторов, провоцирующих аварийную ситуацию. В таких условиях не помешает лишняя пара глаз — или видеокамер. Нейросеть, обрабатывающая информацию с автомобильных камер, сможет предупредить водителя о пешеходах или других автомобилях в опасной близости. Мы можем даже помечтать о том, что в будущем нейросети множества автомобилей и дорожных камер смогут обмениваться данными через интернет, и тогда мы получим предупреждение о неадекватном водителе задолго до того, как он появится в поле зрения.

Некоторые производители уже пытаются разрабатывать ИИ, работающий с изображением камеры, направленной на водителя. Такая нейросеть будет знать хозяина в лицо и не позволит чужаку сесть за руль. Кроме того, по мимике нейросеть сможет определить, что человек устал или вот-вот задремлет, — и вовремя подаст сигнал. А если аварии не удается избежать, то по положению головы вычислит, какие подушки безопасности необходимо включить, — это поможет избежать травм.

Что это стучит в двигателе?

Еще одна сфера применения нейросетей в автомобиле — контроль за внутренними системами.

Большинству автовладельцев знакома ситуация, когда в самый неподходящий момент автомобиль приходится отвозить в автосервис. Конечно, по закону Мерфи, именно в этот день нужно куда-то срочно ехать!

ИИ, подключенный к датчикам и системам автомобиля, мог бы выявлять потенциальные неисправности задолго до того, как они становятся реальными проблемам . Ведь гораздо дешевле пройти техобслуживание, чем чинить или заменять детали. Нейросеть сможет составлять графики профилактики, подсказывать адрес ближайшей автомастерской и контролировать ТО. Логи мониторинга всех систем помогут механикам понять, что и по какой причине вышло из строя или находится на грани поломки, а производителям автомобилей дадут возможность улучшать качество комплектующих и запчастей.

Подобная система отслеживания телеметрии уже существует у суперкара Bugatti Chiron. В режиме онлайн он передает данные о функционировании всех систем в сервисный центр производителя. Если обнаружена неисправность, ремонтная бригада оперативно отправляется в любую точку мира, чтобы устранить дефект, — во всяком случае, так утверждают в компании. Если же проблема не требует вмешательства квалифицированного специалиста, сервисный центр может просто позвонить владельцу авто — к примеру, если давление в шинах снизилось до критического уровня. Система телеметрии Bugatti контролирует около 10000 сигналов, поступающих от различных узлов автомобиля: двигателя, трансмиссии, освещения, климат-контроля, информационно-развлекательного центра и других. Пока такими системами оборудуют только избранные автомобили класса люкс, но начало уже положено.

Разумное автострахование

Искусственные нейросети уже находят применение в автостраховании. В первую очередь они используются для оценки рисков, а помогают им в этом большие данные о водителях.

Большие данные — это наборы информации, которые слишком велики и сложно структурированы, чтобы их можно было обрабатывать с помощью обычных систем управления БД или тем более вручную. В страховании используются десятки источников информации о клиентах — базы номеров VIN, сведения о покупках и продажах, данные о нарушениях ПДД и законодательства и многое другое.

Для страховых компаний значение при принятии решения имеет буквально все, что касается водителя, — состояние его здоровья, стиль вождения, участие в инцидентах на дороге и даже семейные отношения. Но проанализировать огромные массивы собранных данных, дать им качественную оценку и вынести заключение человек может далеко не всегда. Неточности в прогнозах страховых компаний могут необоснованно поднять стоимость страхования для хороших водителей и снизить для плохих.

При этом с развитием технологий список информационных источников может увеличиться. Страховые компании захотят учитывать сведения о манере вождения, соблюдении скоростного режима и поведении водителя в сложных ситуациях. Сейчас эти данные фактически невозможно получить и использовать при продаже страховки, но в будущем подобную информацию сможет собирать и пересылать страховой компании встроенный ИИ автомобиля.

Будем надеяться, что скоро наступит день, когда любители обгонять по обочине или подрезать на повороте станут платить за страховку больше — потому что эти факты станут известны страховой компании и искусственный интеллект, выносящий решение, примет их во внимание.

ИИ управляет производством

Роботы и другие автоматы давно и широко используются в автомобилестроении, да и во многих других производствах. Но пока большая их часть управляется обычными компьютерными программами. В случае любого сбоя конвейер останавливается, и для продолжения работы требуется вмешательство человека.

Эксперты прогнозируют, что искусственный интеллект поможет ускорить производство, сокращая время простоя. Опираясь на данные с датчиков, нейросети смогут отслеживать работу оборудования, выявлять назревающие проблемы и принимать меры, а также контролировать своевременность профилактического обслуживания. На ИИ можно возложить и контроль за качеством продукции.

В итоге уменьшатся расходы на ремонт и замену оборудования, потери из-за простоев. А значит, будет снижаться и себестоимость продукции.

Будущее не за горами. Уже никого не удивить умным навигатором, прокладывающим самый удобный маршрут. Через несколько лет привычным явлением будут автомобили под управлением ИИ, беспилотные грузовики, автобусы и такси, а наши путешествия станут как никогда прежде безопасными, легкими и комфортными.

Это перевод статьи Ланса Ына (Lance Ng) What Microsoft and Google Are Not Telling You About Their AI. Автор предлагает критически посмотреть на возможности ИИ-систем и оценить разницу между декларируемыми и реальными на сегодня возможностями искусственного интеллекта.

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.

В самом Китае iFlytek всегда считали IT-элитой. Ее рыночная капитализация на пике достигла 12–13 миллиардов долларов. Доля компании в китайском рынке распознавания речи превышает 70 %.

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.

«Аppen в большом плюсе по итогам 2017 года. Ее стоимость перевалила за миллиард долларов!» — Slator.com

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…»

— Джулиан Шриттвизер, старший разработчик в Google DeepMind и участник проекта AlphaGo. Документальный фильм AlphaGo, ~ 56 мин 28 с от начала

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»

— «DeepMind создала IQ-тест для AI, и он показал не лучшие результаты», Международный экономический форум

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.