Сила и слабость искусственного

Что такое искусственный интеллект в теории, как он работает на практике и каких открытий нам от него ждать.

У искусственного интеллекта (ИИ) нет определения: точнее, нет единого определения, признанного научным сообществом – впрочем, единого определения нет и у человеческого интеллекта. Термин «ИИ» применим к самым разным сферам – робототехнике, когнитивному моделированию, самоуправляемым автомобилям, машинному обучению – но в сухом остатке цель применения этой технологии всегда одна: создать компьютерные машины, которым будет по силам выполнение тех задач и когнитивных функций, с которыми пока справляется только человек. Для этого искусственный интеллект должен уметь обучаться самостоятельно, без участия человека – тогда как компьютерные программы, не основанные на ИИ, программируются людьми от начала до конца.

Отождествлять ту или иную технологию с понятием «искусственный интеллект» ученые начали после появления «Теста Тьюринга» – эмпирического теста, идею которого разработал английский ученый Алан Тьюринг. Он задался целью определить, может ли машина мыслить.

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

Участники теста не видят друг друга. Если судья не может определенно сказать, кто из собеседников – человек, считается, что машина прошла тест. Чтобы протестировать именно интеллект машины, а не ее возможность распознавать устную речь, беседа ведется в режиме «только текст»: например, с помощью клавиатуры и экрана (компьютера-посредника). Переписка должна осуществляться через контролируемые промежутки времени, чтобы судья не мог делать заключения, исходя из скорости ответов. Во времена Тьюринга компьютеры реагировали медленнее человека. Сейчас это правило все еще действует, потому что они реагируют гораздо быстрее, чем человек.

С помощью этого теста можно проверить «профпригодность» тех или иных видов современного ИИ. Так, пример «неудачного» тестирования – чат-бот Тэй (Tay) от Microsoft. Впервые его аккаунт в Твиттере был запущен 23 марта 2016 года. Меньше чем за сутки Тэй научилась писать людям о своей любви к Гитлеру и ненавидеть человечество. Спустя неделю компания Microsoft попробовала перезапустить бота – но он снова сошел с ума и признался, что употребляет наркотики в присутствии полицейских. Компании пришлось выключить Тэй до тех пор, пока разработчики не научат бота справляться с атаками пользователей, провоцирующими ее ругаться и делать порочащие заявления.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В РОССИИ

К концу 2017 года объем рынка искусственного интеллекта и машинного обучения в России составлял порядка 700 млн рублей.

По данным опроса 100 компаний из крупного и среднего бизнеса, около четверти респондентов уже используют технологии МО.

57% опрошенных уверены, что затраты на ИИ и МО будут расти, причем треть компаний планирует наращивать инвестиции на 20% в год.

В 2007–2017 гг. в России на исследования и разработки в области ИИ государство выделило около 23 млрд рублей.

К 2020 году рынок искусственного интеллекта в России вырастет в 40 раз — до 28 млрд рублей.

Лидеры государственного финансирования — проекты в области ИИ для госсектора, транспорта, обороны и безопасности.

При этом сфера разработок в области искусственного интеллекта далеко не однородна. Сейчас ученые выделяют, как минимум, два типа ИИ: сильный и слабый.

Тест Тьюринга – это, скорее, определение сильного искусственного интеллекта. Тогда как под слабым ИИ понимается способность компьютеров решать информационные задачи: к примеру, определять, что изображено на картинке или переводить голосовую команду в поисковой запрос. В то же время сильный искусственный интеллект предполагает, что компьютер не только взаимодействует с информацией, но и, в той или иной степени, понимает ее смысл. История с чат-ботом Тэй произошла именно потому, что она слепо следовала заданным алгоритмам, не понимая смысла своих действий. К примеру, сервисы, наподобие Google-переводчика, пока что могут только заменять слова одного языка на слова другого по заданным параметрам. Однако разработчики утверждают, что такие сервисы уже эволюционируют и вскоре «научатся» выполнять перевод, исходя из смысла фразы.

Но какой искусственный интеллект тогда можно назвать «сильным»?

Сильного ИИ человечество пока еще не создало. Компьютер может выигрывать в покер миллионы долларов, понимать беседу на естественном языке, распознавать предметы, рекомендовать вам, какие сделать покупки, и даже управлять автомобилем. Ближе всего к сильному ИИ сейчас находится суперкомпьютер IBM Watson: он понимает естественный язык и может работать с огромными базами структурированных данных. Лучшие результаты «Ватсон» демонстрирует в медицине: компьютер с легкостью находит ответы на сложные медицинские вопросы. Такой врач точно не упустит из виду симптом и не ошибется с диагнозом. Но сильный ИИ подразумевает, что обладающий им компьютер может мыслить, принимать решения и осознавать себя. В связи с этим новое развитие получает извечный философский спор на тему «Что есть сознание?». Искать ответ на этот вопрос, как и пытаться создать технологию, которая бы приблизила образ мышления машины к человеческому мышлению, ученые будут еще долго.

0
лучших игроков в покер впервые победил ИИ
0
балла – IQ у искусственного интеллекта Google
0
На такое кол-во трлн долларов ИИ поднимет мировой ВВП
0
млн новых рабочих мест создаст ИИ к 2020г.

Но даже «слабый»  искусственный интеллект активно используется бизнесом.
Вот лишь несколько примеров.

1. Финансы и телеком-операторы

Согласно отчету oneFactor – компании, специализирующейся на автоматизации интеллектуального труда, – уже год назад банки принимали более 75% всех решений по работе с кредитными договорами на основе рекомендаций ИИ. Искусственный интеллект в финансовой сфере – это огромный шанс в корне изменить парадигму управления рисками: компьютер может принимать решение о выдачи кредита, оценивать вероятность дефолта или мошенничества, анализируя с разных сторон немыслимое для человека количество показателей. Точно так же ИИ может прогнозировать спрос на услуги банка.

Сфера финансов используют и другие преимущества ИИ: к примеру, «Сбербанк» развивает компьютерное зрение и биометрию, речевую аналитику и синтез речи, работу с естественным языком и текстом. Однако главный тренд, который искусственный интеллект принес в банки, – использование чат-ботов. Боты, применяемые в банках, не могут рассуждать о Гитлере, как Тэй, однако могут, подобно голосовым помощникам OK Google, «Алисе» или Siri понимать, чего хочет клиент и давать ему внятный ответ. Таких же ботов используют и телеком-операторы. Им ИИ помогает анализировать, как абоненты используют свои тарифные планы, а также подсказывает, где строить новые салоны связи, основываясь на данных геолокации клиентов.

2. Предсказание преступлений

Искусственный интеллект с функционалом компьютерного зрения в сочетании с решениями для аналитики данных активно используется в организациях, отвечающих за общественную безопасность. Так, разработчики компании Hitachi создали технологию, которая  может прогнозировать преступления, анализируя десятки тысяч переменных, находя среди них повторяющиеся шаблоны (паттерны) и предлагая на их основе прогнозы на будущее.

Технологии, «предсказывающие» будущее, долгое время оставались прерогативой голливудских блокбастеров: именно о предсказании преступлений, к примеру, идет речь в фантастическом триллере «Особое мнение» с Томом Крузом. Однако Hitachi для своих предсказаний исползует не мутантов-провидцев, а технологии машинного обучения: решение компании представляет собой комплекс связанных между собой продуктов, включающий системы видеонаблюдения, мониторинга и аналитики.

«В таких технологиях нет ничего фантастического, – рассказывает Ирина Яхина, директор по технологиям Hitachi Vantara в России,  – Компьютер просто собирает информацию с датчиков, в том числе с камер видеонаблюдения, добавляет к ним данные из интернета и контекстуальные данные о преступлениях за прошлые периоды из систем управления записями. Потом к этим сведениям применяется то, что называют искусственным интеллектом или машинным обучением». По словам эксперта, искусственный интеллект учитывает самые разные переменные: от информации из соцсетей и геоданных до полицейской информации о том, где сейчас находятся потенциальные нарушители порядка.

3. Реклама и маркетинг

Иногда нам кажется, что онлайн-реклама на сайтах следит за нами и даже предвосхищает наши желания. В реальности так оно и есть: онлайн-реклама действительно учитывает историю наших перемещений по сети, однако ее работа не требует применения сложных алгоритмов искусственного интеллекта.

Чтобы предсказывать потребности клиентов во много раз точнее, рекламщики взяли на вооружение метод машинного обучения, называемый «глубоким обучением» (deep learning). В этой технологии используется самообучаемая математическая модель, действующая по принципу работы биологических нейронов нашего мозга (нейронная сеть): основываясь на наших привычках, поведении и других биометриках, она предлагает выборку наиболее привлекательных для нас товаров и с большой точностью предсказывает вероятность клика на объявление – потенциал конверсии.

К примеру, в сети магазинов «Перекресток» были внедрены алгоритмы машинного обучения, учитывающие частоту и сумму покупок, стиль жизни клиентов, приемлемый уровень цен и любимые категории товаров. Таким образом, ИИ помог компании увеличить эффективность целевого маркетинга на 5% и сократить расходы на коммуникации на 40%: с помощью аналитики магазин создает более 70% целевых акций, причем делает это в 7 раз быстрее, чем раньше.

Заключение

Объемы российского рынка искусственного интеллекта оценивать пока сложно: многие компании реализуют проекты в этой сфере, но не раскрывают данных об инвестициях и отказываются делиться успешными кейсами. При этом, согласно исследованию, проведенному в 2017 году аналитиками OSP Data по запросу компании Hitachi среди топ-менеджеров и ИТ-директоров российских предприятий, доля оптимистов среди респондентов – тех, кто верит в успех внедрения подобных технологий в бизнес – составила 86%. Только 9% респондентов назвали себя скептиками, а 5% – реалистами. Больше всего оптимистов в финансовых организациях – 91%, что, возможно, связано с новым трендом на «цифровую экономику» и диджитализацию банковских операций.

Hitachi Vantara Corporation 2018. Все права защищены. Копирование материалов разрешено только с письменного согласия Hitachi Vantara.