? герои будущего. как работает искусственный интеллект

Искусственный Интеллект в кино

Начиная с истоков зарождения ИИ, режиссёры и художники описывали мир будущего как мир, где ИИ конкурирует с человеком, и человек побеждает в борьбе далеко не всегда.

(Искусственный интеллект СкайНет из КибердайнСистемс, фильм «Терминатор»)

1968 г. — «Космическая одиссея» — фильм С. кубрика, в котором ИИ лице бортового компьютера ХЭЛ-9000 вместо помощи экипажу корабля поднял бунт. И тему бунта машин подхватили тысячи последователей.

1984 г. — СкайНет из КибердайнСистемс — ИИ, противостоящий Терминатору в фильмах Кэмерона, спонтанно получил свободу воли, и направил её на уничтожение человечества. Сработал ли в сюжете дар предвидения?

(Программа, созданная ИИ, иммитирующая человеческий мир из фильма «Матрица»)

1999 г. — Братья Вачовски создали знаменитую «Матрицу», где ИИ создал для людей фальшивый мир.

2005 г. — «Автостопом по галактике» — фильм, в котором фигурирует ИИ в виде суперкомпьютера, размером с планету, ищущий ответ на Главный вопрос жизни.

Ответ был найден, но вот понравился ли он представителям человечества?

2014 г. — «Превосходство» (Transcendence) — фильм об ИИ, собравшем все знания, накопленные человечеством.

Человечество давно мечтает о настоящем ИИ и одновременно очень его боится.

У компьютерных программ есть IQ?

Нет. IQ основан на темпах развития интеллекта у детей. Это отношение возраста, в котором ребенок обычно набирает определенный результат, к возрасту ребенка. Данная оценка подходящим образом распространяется и на взрослых людей. IQ хорошо коррелирует с различными показателями успеха или неудачи в жизни. Но создание компьютеров, которые могут набрать высокий балл в тестах IQ, будет слабо связано с их полезностью. Например, способность ребенка повторять длинную последовательность цифр хорошо коррелирует с другими интеллектуальными способностями. Она показывает, какое количество информации ребенок может запомнить за один раз. При этом удержание в памяти цифр является тривиальной задачей даже для самых примитивных компьютеров.

Как сравнить человеческий и компьютерный интеллекты?

Артур Р. Дженсен, ведущий исследователь в области человеческого интеллекта, в качестве «эвристической гипотезы» утверждает, что обычные люди имеют одни и те же механизмы интеллекта и интеллектуальные различия связаны с «количественными биохимическими и физиологическими условиями». К ним относятся скорость мышления, краткосрочную память и способность формировать точные и извлекаемые долгосрочные воспоминания.   

Независимо от того, правильна ли точка зрения Дженсена в отношении человеческого интеллекта, ситуация в ИИ на сегодняшний день является противоположной.

Компьютерные программы имеют большой запас скорости и памяти, но их способности соответствуют интеллектуальным механизмам, которые разработчики программ хорошо понимают и могут вложить в них. Некоторые способности, которые дети обычно не развивают до подросткового возраста, внедряются. Другие, которыми владеют двухлетние дети, все еще отсутствуют. Дело еще более усугубляется тем фактом, что когнитивные науки до сих пор не могут точно определить, каковы человеческие способности. Скорее всего, организация интеллектуальных механизмов ИИ выгодно отличается от таковой у людей.

Когда человеку удается решить задачу быстрее, чем компьютеру, это говорит о том, что разработчикам не хватает понимания механизмов интеллекта, необходимых для эффективного выполнения данной задачи.

Приоритет — «ответственному» ИИ

Одна из важных позиций в цикле хайпа — «моделирование принятия решений» (decision intelligence). Аналитики включили ее как индикатор того, что в организациях сегодня стремятся применять искусственный интеллект для быстрого принятия обоснованных решений — например, когда требуется выбрать оптимальный курс лечения или определиться со способами предотвращения брешей безопасности. А для этого ИИ должен уметь учитывать риски невыполнения требований регуляторов, нарушения конфиденциальности и появления предвзятости (систематических ошибок). Идет активный поиск решения нынешней проблемы номер один в сфере ИИ, касающейся нехватки доверия к соответствующим системам, поясняют в Gartner.

По мере развития технологий ИИ в организациях накапливают опыт и делают меньше ошибок. Однако аналитики подчеркивают необходимость организации непрерывного обучения с учетом появления все новых сложностей по мере роста внедрения искусственного интеллекта, в особенности сложностей, связанных с безопасностью. Один из примеров проявления этой проблемы сегодня — активное развитие практики изготовления «дипфейков», сфабрикованных при помощи компьютера реалистичных видеороликов с участием известных личностей и не только.

Понятия «искусственный интеллект» и «artificial intelligence»

Этим понятием характеризуют способность машин к творческим проявлениям, которые свойственны человеку. Впервые упоминание о нем появилось в 1956 году, когда Джон Маккарти дал ему определение.

Разницу между понятиями можно назвать сложностью перевода. Русский перевод считают не особо удачным, так как слову «intelligence» больше подходит обозначение «умение рассуждать разумно». А для такого слова, как «интеллект», есть соответствующий аналог в английском языке.

Из-за различия в понятиях есть и прочие толкования даже оригинального термина. Информационные технологии определяют ИИ как возможность системы разрабатывать программ в ходе самообучения.

Сканирование – залог безопасности

Во всем мире тестируются программы по сканированию лиц. Благодаря ИИ можно определить местоположение преступников. Для идентификации достаточно будет даже небольшой части лица.

Другая система позволяет анализировать фотографии с мест преступления. Таким образом судьям, следователям и экспертам намного проще найти улики и определить меру наказания. Есть также способность просчитать риск преступником совершения других преступлений в будущем.

В финансовой сфере говорят, что скоро сканирование лица позволит оплачивать покупки. Поэтому человеку не придется стоять в очереди в магазине. А биометрические возможности проникают и в оборонные системы.

Свой собственный искусственный интеллект

Речь идет не просто о новой системе, появится принципиально иная концепции искусственного интеллекта (ИИ). Это будет доступная, простая в использовании и главное легко масштабируемая система индивидуального искусственного интеллекта, предназначенная для одного человека — пользователя. Каждый сможет купить себе собственную машину ИИ, которая заменит компьютер, смартфон, автопилот в автомобиле и много чего еще. Жизнь простого человека, как и социальные стереотипы общества сильно поменяются.

Любое человеческое умение, знание и мастерство можно будет купить и продать за несколько минут в интернете. Привычное нам обучение в университетских аудиториях уйдет в историю. Многие виды инвалидности лишатся лимитирующей составляющей. Изменится буквально каждый элемент человеческой жизни.

ИИ-приложения для смартфона

Replika

Replika — это приложение, которое поможет вам расширить ваше общение.

Виртуальные помощники на базе ИИ есть везде. Siri может установить будильник, а Alexa вызовет Uber. Но по-настоящему поговорить по душам не с кем. Replika соответствует именно этой идее. Это искусственный интеллект, который сканирует ваши социальные сети и задаёт очень много вопросов о вас. Replika наивна и любопытна, как ребёнок, но это только на первый взгляд. Приложение обучается, поэтому многое зависит от вас. Каждый ответ будет сохранён в памяти и может быть использован позже. Таким образом, вы можете создать свою личную копию себя, а затем вступать с ней в диалог.

Jarvis Artificial Intelligent

Jarvis был создан Марком Цукербергом, который в свою очередь был вдохновлён виртуальным помощником из замечательного фильма «Железный человек». Jarvis может контролировать свет и температуру, выбирать музыку и настраивать системы безопасности в вашем доме. Этот виртуальный помощник постоянно учится распознавать голоса и лица. Все эти функции доступны с помощью мобильного приложения. Честно говоря, приложение ещё следует доработать, но его определённо стоит попробовать.

Youper

Youper — это бесплатный и удобный помощник на базе искусственного интеллекта, который поможет решить ваши проблемы. Он подойдёт в качестве приложения для фитнеса, которое также содержит когнитивно-поведенческую терапию (КПТ), медитацию и терапию «Принятия и обязательств (ответственности)». Вместе с этим вы можете использовать его как приложение для растяжки. Youper старается заботиться о вас, давая различные советы по здоровью.

Настораживающие новости

В июне 2017 года Facebook экспериментировал с чатботами, которые общаются друг с другом о наличии виртуальных предметов (мячей, книг и шапок). Анализируя историю этих переписок у некоторых экспертов сложилось впечатление о том, что ИИ начал использовать другой язык, нежели английский. Опасение только усилилось тем, что никто не может понять о чем общались чатботы. Вот отрывок переписки чатботов Alice и Bob (A и B).

отрывок из переписки экспериментальных чатботов facebook

Опасения усилились после того как эксперимент был приостановлен. Появились заголовки в духе “Марк Цукерберг остановил эксперимент в котором ИИ начал создавать тайных язык для общения с машинами”. Немного изучив этот вопрос, становиться ясным, что программу остановили, потому что она начала делать то, что не было интересно исследователям, а не из-за экспоненциального роста угрозы человечеству.

Facebook также свернул платформу для чатботов в Messenger, потому что 70% вопросов от человека не находили адекватного ответа бота на этой платформе.

Искусственный интеллект в культуре часто представлялся в виде угрозы. Терминатор, Я — робот, Космическая одиссея 2001, Матрица, Ex machina — вот некоторые фильмы представляющие ИИ как угрозу.

кадры из фильма ex machina

Надежда для человечества?

В 2016 году компания Enlitics провела эксперимент в котором люди и ИИ параллельно анализировали рентген снимки грудной клетки для диагностики заболеваний. ИИ не пропустил не одной патологии в то время как люди упустили 7% патологий. Эти цифры говорят о том, что ИИ может стать очень полезным ассистентом в медицине и не только.

Чем больше мы узнаем об искусственном интеллекте, тем больше вопросов у нас появляется. В дальнейшем я постараюсь заглянуть чуть глубже в эту тему и проанализировать, что же нужно, чтобы разрабатывать и обучать ИИ. Какая команда для этого нужна и какие инструменты мы можем использовать создания ИИ.

Буду очень рад комментариям и любой обратной связи.

Биржевая торговля

Группа исследователей из университета Эрлангена-Нюрнберга в Германии разработала ряд алгоритмов, использующих архивные данные рынков для тиражирования инвестиций в режиме реального времени. Одна из моделей обеспечила 73% возврата инвестиций ежегодно с 1992 по 2015 год, что сопоставимо с реальной рыночной доходностью на уровне в 9% в год.

В 2004 году Goldman Sachs запустил торговую платформу Kensho на базе искусственного интеллекта. На криптовалютных рынках также появляются системы на базе ИИ для торговли на биржах – Mirocana и т.д. Они лучше живых трейдеров, так как лишены эмоций и опираются на чёткий анализ и жесткие правила.

Заменит ли ИИ нас с вами

Искусственный интеллект превосходит человека в решении задач, которые связаны с анализом больших данных, чёткой логикой и необходимостью запоминать большие объёмы информации. Но в творческих конкурсах человек пока выигрывает у ИИ.

Возможно, потому, что восприятие творчества субъективно. А в шахматной партии или биржевой торговле можно двигаться к конкретным результатам.

Безусловно, ИИ меняет наш мир и находит всё новые применения. Наша задача – использовать его во благо, разрабатывать правила регулирования ИИ-систем и передавать системам опыт, накопленный за тысячелетия существования человечества.

iPhones.ru

Искусственный интеллект – технология, которую мы точно заберём с собой в будущее. Рассказываем, как он работает и какие крутые варианты применения нашел. ? Рубрика «Технологии» выходит каждую неделю при поддержке re:Store. Что представляет собой искусственный интеллект Искусственный интеллект (ИИ) – это технология создания умных программ и машин, которые могут решать творческие задачи и генерировать новую…

Для работы

• Carly — Помогает управлять телефонными звонками.
• ETCH — Помогает управлять вашим списком контактов.
• Findo — Помощник для поиска по письмам, файлам и персональным облакам.
• Leap — Рекомендует компании для трудоустройства на основе ваших навыков.
• Lomi — Выявляет потенциальных покупателей.
• Mosaic — Помогает писать качественные резюме.
• Newton — Помогает искать работу мечты.
• Notion — Помогает справиться с большим количеством электронной почты.
• Robby — Лучший и более умный календарь.
• Stella — Сканирует вакансии и управляет процессом трудоустройства.
• Woo — Помогает анонимно принимать более взвешенные решения относительно своей карьеры.

Проблема “среднего” кода

Продолжая тему старомодного кода. Для Copilot-a нет авторитетов. Он шерстит всю открытую кодобазу, и учится всему. Учится хорошему и плохому в равной степени, не отдавая предпочтения ни тому, ни другому. Чему научился, то и делает. Давайте теперь задумаемся над простым вопросом: какого кода на GitHub-е больше, старого или нового? Хорошего или плохого? Вот в том-то и дело.

И это первое беспокойство, на котором я бы хотел остановиться. Инструменты типа Copilot-a репродуцируют “средненький” код. А потом этот код летит на гитхаб увеличивая выборку “средненького” кода. На котором снова учится наш бездушный друг. Этакое сваливание к устойчивому положению равновесия… или скатывание в потенциальную яму.

Слово “средний” я применяю не характеризуя качество кода, а закладываю в него статистический смысл. Если у вас есть впечатление, что среднестатистический код на GitHub-е хорош, то волноваться незачем.

Помощники — Персональные

• Amazon Echo / Alexa — Личный помощник для дома на каждый день.
• Apple Siri — Личный помощник на iPhone и Mac.
• Cortana — Личный помощник на устройствах с Windows.
• Facebook M — Конкурент Siri, Now и Cortana.
• Focus — Помогает сосредоточиться, выполнять задачи вовремя и расставлять приоритеты.
• Gatebox — Голографический аниме-помощник в кофе-машине.
• Google Assistant — Повседневный личный помощник.
• Hound — Повседневный личный помощник.
• Ling — Похожий на Amazon Echo.
• Mycroft — Первый голосовой помощник с открытым исходным кодом.
• Remi — Как Siri, только со своеобразным интерфейсом пользователя.
• Spoken — Виртуальный помощник с голосовым интерфейсом.
• Viv — Как Siri, но лучше в 10 раз.

Текущее состояние дел

Q-Learning

В чём недостатки?

1. Модель плохо справляется с изменчивой реальностью. Если всю жизнь нас награждали за нажатие красной кнопки, а теперь наказывают, причём никаких видимых изменений не произошло… QL будет очень долго осваивать эту закономерность.
2. Qn может быть очень непростой функцией. Например, для её расчёта надо прокрутить цикл из N итераций — и быстрее не выйдет. А прогнозная модель обычно имеет ограниченную сложность — даже у крупной нейросети есть предел сложности, а циклы крутить почти ни одна модель машинного обучения не умеет.
3. У реальности обычно бывают скрытые переменные. Например, который сейчас час? Это легко узнать, если мы смотрим на часы, но как только мы отвели взгляд — это уже скрытая переменная. Чтобы учитывать эти ненаблюдаемые величины, нужно, чтобы модель учитывала не только текущее состояние, но и какую-то историю. В QL можно это сделать — например, подавать в нейронку-или-что-у-нас-там не только текущее S, но и несколько предыдущих. Так сделано в RL, который играет в игры Атари. Кроме того, можно использовать для прогноза рекуррентную нейросеть — пусть она пробежится последовательно по нескольким кадрам истории и рассчитает Qn.

Model-based системы

1. Ресурсоёмкость. Допустим, на каждом такте нам нужно сделать выбор из двух альтернатив. Тогда за 10 тактов у нас соберётся 2^10=1024 возможных плана. Каждый план — это 10 запусков модели. У если мы управляем самолётом, у которого десятки управляющих органов? А реальность мы моделируем с периодом в 0.1 секунды? А горизонт планирования хотим иметь хотя бы пару минут? Нам придётся очень много раз запускать модель, выходит очень много процессорных тактов на одно решение. Даже если как-то оптимизировать перебор планов — всё равно вычислений на порядки больше, чем в QL.
2. Проблема хаоса. Некоторые системы устроены так, что даже малая неточность симуляции на входе приводит к огромной погрешности на выходе. Чтобы этому противостоять, можно запускать несколько симуляций реальности — чуть-чуть разных. Они выдадут сильно различающиеся результаты, и по этому можно будет понять, что мы находимся в зоне такой вот неустойчивости.

По-настоящему живой искусственный интеллект

Человеческий мозг не сводится только к «логической» компоненте, он также отвечает за вопросы, связанные с понятием личности и философского позиционирования. Потому ряд экспертов выделяют отдельно «сильный ИИ» (Strong AI) — искусственный интеллект, который осознает себя.

По словам Романа Душкина, директора по науке и технологиям в Агентстве Искусственного Интеллекта, «сильный ИИ» и AGI — не совсем равнозначные термины.

• Под AGI понимается скорее когнитивный агент — система ИИ, которая может выполнить любую задачу. В качестве простого теста, который можно дать когнитивному агенту, чтобы понять, что он — искусственный интеллект общего уровня: поставить задачу поступить в вуз, выучиться и сдать экзамен.
• Сильный же ИИ — искусственно полученное, выращенное в процессе нейроэволюции или спроектированное существо, которое осознает само себя. Оно понимает, что существует. Это декартовское понимание Cogito Ergo Sum. 

В отличие от «сильного ИИ», подчеркнул Душкин, в вопросе с AGI речь не идет о внутренних состояниях и, следовательно, человек не связан по отношению к нему нормами морали, это «по-прежнему предмет, не осознающий себя». 

Технологии машинного обучения

Машинное обучение (machine learning, ML) — это одно из направлений разработки ИИ, основанное на выполнении компьютером множества сходных задач без использования прямых инструкций.

Машинное обучение базируется на трех основных понятиях:

• алгоритмы — специальные программы, «подсказывающие» компьютеру, каким источником данных необходимо воспользоваться. Для каждой задачи подбираются отдельные алгоритмы, составленные с расчетом на ускорение обработки данных и получение точного результата;

• наборы данных (датасеты) — информация (выборки данных) в виде текстовых, графических, видеофайлов, которую машина использует для накопления опыта при обучении. При этом для решения каждого конкретного типа задач в систему должны загружаться уникальные данные;

• признаки (свойства, метрики, фичи, features) — индивидуальные измеримые параметры наблюдаемых явлений, от правильности подбора которых зависит успешность и скорость machine learning.

Оптимальными для правильного проведения машинного обучения считаются выборки данных, составленные вручную и содержащие максимум информации разного качества — это позволяет компьютеру выявлять неочевидные взаимосвязи между данными и делать по ним полезные выводы.

Машинное обучение используется для решения задач по категориям:

• регрессии — составления прогнозов на основе выборки данных с отличающимися признаками;

• классификации — получения конкретного ответа на основании набора признаков;

• кластеризации — разбивки данных на несколько групп;

• уменьшения размерности — сокращения большого количества признаков для удобства их дальнейшей визуализации;

• выявления аномалий — поиска отличий в наборах данных от стандартной информации.

В зависимости от того, по какому принципу осуществляется ML, оно делится на:

• обучение с учителем, которое предполагает использование полного набора снабженных признаками данных (размеченного датасета) для тренировки системы ИИ на всех стадиях ее создания;

• обучение без учителя, при котором машина самостоятельно выявляет закономерности, определяет признаки и классифицирует полученные данные;

• обучение с подкреплением — когда машине требуется правильно решить поставленные перед ней задачи во внешней среде, располагая несколькими возможными вариантами действия.

Сегодня чаще всего для создания программ машинного обучения используются языки R, Python, Scala и Julia. Они поддерживаются многими интегрированными средами разработки, в частности, R-Studio, R-Brain, Visual Studio, Eclipse, PyCharm, Spyder, IntelliJ IDEA, Jupyter Notebooks, Juno.

Обучиться любой технологиям искусственного интеллекта и машинного обучения можно, записавшись на , которые проводит ЦРК БИ (ЦЕНТР РАЗВИТИЯ КОМПЕТЕНЦИЙ В БИЗНЕС-ИНФОРМАТИКЕ) НИУ ВШЭ.

Что такое цифровые технологии и как они появились?

Основы современной двоичной системы счисления заложил математик Карл Лейбниц в XVII веке. В ХХ веке ее начали применять для программных вычислений: в 1941 году появился первый компьютер, а в 1948-м — первая программа для ЭВМ.

Тогда, в середине XX века, под цифровыми технологиями понимались те, где информация преобразуется в прерывистый (дискретный) набор данных, состоящий из 0 (нет сигнала) и 1 (есть сигнал). Их противопоставляли аналоговым, где данные — это непрерывный поток электрических ритмов разной амплитуды с неограниченным числом значений.

Но позже на смену этому пришло другое определение: цифровые технологии — это те, где информация «оцифровывается», то есть представляется в универсальном цифровом виде. Другой вариант — это все технологии, которые позволяют создавать, хранить и распространять данные. В свою очередь, аналоговые теперь — это те, где информация не унифицирована, а хранится и передается в разных форматах, под каждый тип носителя. К примеру, стационарный телефон — это аналоговая технология, а смартфон с интернетом — уже цифровая.

Говоря самым простым языком, к цифровым технологиям относят все то, что связано с электронными вычислениями и преобразованием данных: гаджеты, электронные устройства, технологии, программы. По сравнению с аналоговыми, цифровые технологии лучше подходят для хранения и передачи больших массивов данных, обеспечивают высокую скорость вычислений. При этом информация передается максимально точно, без искажений. Среди главных недостатков — высокая энергоемкость и негативное воздействие на климат.

Сейчас на долю дата-центров приходится около 0,3% мировых выбросов углерода. Они потребляют около 200 ТВтч в год — это больше, чем годовое потребление энергии в развивающихся странах. Однако к 2030 году этот показатель может вырасти до 20% от всего мирового спроса, что приведет к существенному увеличению выбросов.

Как сериалы, социальные сети и порносайты негативно влияют на природу

Цифровые технологии часто путают с информационными, но на самом деле одно является частью другого. К информационным относят все технологии, связанные с обменом информацией, даже с помощью аналоговых устройств. Например, светофор, сообщающий нам, когда можно идти — это информационное аналоговое устройство, а сервис, где мы отслеживаем пробки — тоже информационное, но уже цифровое.

По данным на 2021 год, через пять лет рынок технологий цифровой трансформации достигнет $3,7 трлн.

Как ИИ влияет на человечество

По мнению Стивена Хокинга, развитие технологий искусственного интеллекта в будущем приведет к гибели человечества. Ученый отметил, что люди из-за внедрения ИИ начнут постепенно деградировать. А в условиях естественной эволюции, когда человеку для выживания необходимо постоянно бороться, этот процесс неминуемо приведет к его гибели.

В России положительно рассматривают вопрос внедрения ИИ. Алексей Кудрин однажды заявил о том, что использование таких технологий позволит примерно на 0,3% от ВПП уменьшить расходы на обеспечение работы государственного аппарата. Дмитрий Медведев предрекает исчезновение ряда профессий из-за внедрения ИИ. Однако чиновник подчеркнул, что использование таких технологий приведет к бурному развитию других отраслей.

По данным экспертов Всемирного экономического форума, к началу 2020-х годов в мире из-за автоматизации производства рабочих мест лишаться около 7 миллионов человек. Внедрение ИИ с высокой долей вероятности вызовет трансформацию экономики и исчезновение ряда профессий, связанных с обработкой данных.

Эксперты McKinsey заявляют, что активнее процесс автоматизации производства будет проходить в России, Китае и Индии. В этих странах в ближайшее время до 50% рабочих потеряют свои местах из-за внедрения ИИ. Их место займут компьютеризированные системы и роботы.

По данным McKinsey, искусственный интеллект заменит собой профессии, предусматривающие физический труд и обработку информации: розничная торговля, гостиничный персонал и так далее.

К середине текущего столетия, как полагают эксперты американской компании, число рабочих мест во всем мире сократится примерно на 50%. Места людей займут машины, способные проводить аналогичные операции с той же или более высокой эффективностью. При этом эксперты не исключают варианта, при котором данный прогноз будет реализован раньше указанного срока.

Другие аналитики отмечают вред, который могут нанести роботы

Например, эксперты McKinsey обращают внимание на то, что роботы, в отличие от людей, не платят налоги. В результате из-за снижения объемов поступлений в бюджет государство не сможет поддерживать инфраструктуру на прежнем уровне

Поэтому Билл Гейтс предложил ввести новый налог на роботизированную технику.

Технологии ИИ повышают эффективность работы компаний за счет снижения числа совершаемых ошибок. Кроме того, они позволяют повысить скорость выполнения операций до того уровня, который не может достигнуть человек.

Вперед по кривой, ведущей вниз

Как отмечают в Gartner, если искусственный интеллект, как общую концепцию, поместить на график цикла хайпа, сейчас он скатывался бы с «пика чрезмерных ожиданий». Другими словами, средства искусственного интеллекта начинают оправдывать ожидания и приносить реальные преимущества бизнесу. В частности, системы ИИ приходят на помощь во время пандемии: чатботы отвечают на лавину вопросов, связанных с заболеванием; системы компьютерного зрения помогают в соблюдении социальной дистанции, модели машинного обучения активно применяются для прогнозирования последствий различных вариантов перезапуска экономики в ряде стран.

На новой «кривой хайпа» Gartner, посвященной ИИ, появилось пять новых позиций. Это «малые данные» — данные, объем которых достаточно мал, чтобы в них мог разобраться человек; «генеративный ИИ» — программные системы, способные создавать новый контент на базе уже существующего; «составной ИИ» —системы машинного обучения, оптимизированные за счет применения комбинации лучших методов; «ответственный ИИ» — методы и средства, позволяющие обеспечить соблюдение этики и прозрачности при работе систем ИИ; «вещи как клиенты» — программные и аппаратные системы, способные самостоятельно выбирать товары и делать покупки.

Hype Cycle в области искусственного интеллекта

Однако господствуют, как и год назад, тенденции, связанные с демократизацией и индустриализацией искусственного интеллекта.

Что с новыми технологиями?

Важная часть развития индустрии состоит в изобретении языков и фреймворков, позволяющих более оптимально решать те или иные задачи. В том числе с точки зрения утилизации золотых трудовых ресурсов. Но если Copilot и ему подобные становятся инструментами общего потребления, то все новые технологии будут вынуждены проходить “порог обучаемости”. Другими словами, пока нет достаточной кодобазы для обучения нейросети, технология не сможет рассчитывать на массовое применение. Уж не знаю хорошо это или плохо, но есть ощущение, что подобного рода инструменты могут серьезно замедлить прогресс в части вывода в массовое пользование новых языков программирования, а также добавления новых возможностей к существующим (java streams или let и const, упомянутые выше). Оно же касается фреймворков и библиотек.

От: admin

Эта тема закрыта для публикации ответов.