Umjetna inteligencija i tehnologije strojnog učenja prestale su biti naučna fantastika i već su postale dio naših života. Glavni pokretač njihovog razvoja je veliki biznis: industrija, maloprodaja, bankarstvo. O problemima i specifičnostima implementacije AI u Rusiji razgovarano je sa kompanijom Jet Infosystems.
Vladimir MolodykhŠef Direkcije za razvoj i implementaciju softvera u Jet Infosystems
Kakav je značaj tehnologija umjetne inteligencije danas? Koje mogućnosti i u kojim oblastima razvoj AI otvara ljudima?
O umjetnoj inteligenciji se može govoriti kao o filozofskom i futurološkom konceptu iz filmova o budućnosti. Ali ako govorimo o pravi život, onda to podrazumijeva jednu ili drugu kombinaciju metoda mašinskog učenja: kada uzmemo veliki skup akumuliranih podataka, na osnovu njega, koristeći posebnu naprednu matematiku, kreiramo model i učimo ga da riješi određeni problem.
Odnosno, u stvarnom životu, AI je primjenjiv u područjima gdje postoji velika količina akumuliranih podataka. Događaju se različite vrste. Kada imate tri vrste podataka, jedan analitičar može njima upravljati. Ali ako postoji više od hiljadu parametara, a neki od njih su nestrukturirani, onda to neće stati u glavu nijednog analitičara. U takvim slučajevima ljudski um uz podršku analitičkih alata prethodnog tehnološkog poretka nisu u stanju da sve normalno analiziraju. On će pojednostaviti, uzeti tri ili četiri ključna parametra. I tada se mašinsko učenje, koje je praktična implementacija AI, pokazuje efikasnim.
Zašto ljudi danas govore o AI, iako su na prvi pogled odgovarajuća matematika i kompjuteri postojali prije dvadeset godina?
Ako govorimo o visoko specijaliziranim zadacima, strojno učenje se tamo već koristilo. Četiri su ključna faktora zbog kojih možemo reći da je AI novi globalni trend koji mijenja svijet. Prvi je da ima više podataka, na primjer, ako su ranije u proizvodnji bile samo papirne evidencije, sada postoje senzori na mašinama koji prikupljaju informacije. Drugi i treći faktor su rast računarske snage plus razvoj relevantnih oblasti matematike. Troškovi rješenja su smanjeni: zbog jeftinijeg hardvera više ne morate čekati deset godina na povrat projekta u proizvodnji. I na kraju, poslovna praksa se postepeno razvija, a pojavljuju se stručnjaci sa projektnim iskustvom u ovoj oblasti.
Zašto je proces uvođenja AI u Rusiji spor?
To je to. Sada u Rusiji zaista više pričaju o AI nego što zapravo govore. Tema je moderna, a kako bi se o njoj izvijestili na vrhu, mnogi najavljuju nekakav hakaton i pokažu fotografije na Instagramu. Ali rezultat koji mijenja poslovanje se ne pojavljuje. Na osnovu našeg iskustva vidimo da se u većini najvećih organizacija u Rusiji AI uspješno implementira samo u 5-7% slučajeva onog što je rečeno.
Činjenica je da je riječ o novom tipu projekta, s kojim još ne znaju kompetentno raditi. Ovo je složena priča: uz pomoć mašinskog učenja jedan problem se može rešiti prilično brzo, ali to zahteva značajno restrukturiranje poslovnih procesa. Primjer: možete napraviti model individualnih preporuka za klijente trgovačka mreža, ali ako klasični marketing funkcionira uz ovo, na primjer, promocije u stilu „10% popusta na sve“, onda ove preporuke neće raditi. Ili, na primjer, napravili smo model za predviđanje kvarova i kvarova vozila u voznom parku, ali dok se ovaj model gradio, mijenjao se dobavljač goriva i maziva. I to su podaci koji utiču na model i on se raspada. Odnosno, organizacija treba da se promeni tako da njeni procesi odgovaraju zadacima koji se mogu rešiti korišćenjem mašinskog učenja: efikasno izgraditi razmenu podataka između odeljenja i tako dalje. Ovo je skup promjena koje morate biti u stanju napraviti, i morate biti spremni da se borite za to.
Još smo u fazi generisanja tržišta i zbog njegove novosti nastaju poteškoće. Konkretno, naišli smo na situaciju u proizvodnji kada su ljudi pomislili: "Dakle, nećemo se mi boriti protiv nedostataka, već neka vrsta AI modela, a ispostavilo se da nismo potrebni." Motivacija je patila, a umjesto pomoći, ljudi su kritikovali. Ispred uprave je, s jedne strane, nekakav specijalista za podatke iz Moskve, as druge 45-godišnji čovjek koji poznaje proizvodnju iznutra i izvana, koji kaže: „Ovo neće uspjeti, ali ti ništa ne razumeš.” I jasno je da se u takvoj situaciji direktor ne osjeća baš samopouzdano.
Koje industrije u Rusiji najčešće koriste AI i zašto?
Prvo, to su inovativne internet kompanije. Isti Yandex - ovo se uglavnom koristi svuda. Ako uzmemo velike industrije, onda će maloprodaja biti na prvom mjestu, kao i banke i osiguravajuća društva. Ali apsolutno sam siguran da je najveći potencijal za primjenu AI u industriji: to su stvarni proizvodni procesi sa pravim novcem i mogućnošću smanjenja troškova. Ali ova industrija još uvijek nešto zaostaje, jer je konzervativnija od maloprodaje, koja se zbog konkurentskog okruženja mora vrlo brzo razvijati.
Gdje god ima puno podataka. Efekat će biti posebno veliki u industriji. Kriterijumi su dostupnost podataka i ono što se može optimizirati. To mogu biti zadaci održavanja, popravke, borbe protiv kvarova, predviđanja, “digitalni blizanci” koji omogućavaju analizu. Ispravnije je gledati ne na industrije, već na vrstu zadataka. Ako se radi o komadnoj proizvodnji, poput proizvodnje borbenih aviona, onda za većinu zadataka jednostavno neće biti potrebne količine podataka. A ako je velikih razmjera, poput valjanog čelika ili masovne montaže automobila, onda će AI biti učinkovit.
Zašto implementirati AI u preduzeću?
Kompanija obično radi ono što radi da bi zaradila novac - a na taj način će zaraditi više. Danas procesi proizvodnje postaju sve složeniji korak po korak, sa sve više faktora i nijansi. Ako prije svega proizvodni proces stane u glavu jednog tehnologa, sada je izvan onoga što jedna osoba ili grupa ljudi može uzeti u obzir. Shodno tome, sve složeniji proizvodni proces zahtijeva nova rješenja, posebno AI i mašinsko učenje.
Osim toga, u proizvodnji su posebno vrijedni ljudi koji imaju neke jedinstvene kompetencije. Mogu se razboljeti, otići u penziju, a korištenje AI povećava održivost poslovanja u odnosu na ljudski faktor.
Koje su najčešće zablude s kojima se susrećete o AI?
Postoje dvije vrste zabluda. Prvo: „Sada ću unajmiti stručnjaka za podatke, on će mi napraviti model i za nekoliko sedmica sve će proletjeti.” To se nikada ne dešava tako. Drugi tip: „Ovo su sve fantazije i priče, ali mi imamo drugačiji život u kojem sve ovo nije primjenjivo.” Ali istina je ovdje zapravo negdje u sredini.
Rašireno je uvjerenje da će AI na kraju moći u potpunosti zamijeniti ljude u proizvodnji i drugim industrijama. Da li to dijelite?
Tokom tri do pet do deset godina pojavit će se određena područja u kojima će ljudi biti zamijenjeni. Bespilotna vozila se trenutno testiraju, vjerovatno će postepeno zamijeniti vozače, jer mogu smanjiti nesreće i izbjeći plaćanje novca vozačima. Ako govorimo o poslu, ovo se dešava pred našim očima. Ako je ranije osoba odlučivala sama, sada to čini uz pomoć mašinskog učenja ili robotike. Gdje je ranije radilo stotinu ljudi, sada može biti jedan tehnolog, jedan data science, a ostalo rade mašine.
Prvo će biti zamijenjeni tipični zadaci. Ljudi koji se bave individualnim, kreativnim zadacima za sada su sigurni. A u oblastima u kojima hiljade zaposlenih na istim pozicijama rade po propisima, za tri do pet godina će ih zamijeniti AI.
Gdje započeti proces implementacije AI u preduzeću?
Prvi korak je pronaći iskusan tim koji razumije kako to učiniti. Jer ovdje ima puno zamki i s njima se morate nositi. Drugi je pronaći probleme koji se mogu riješiti u korist poslovanja, izgraditi kompetentne, razumne metrike i razumjeti kako to pretvoriti u novac. Na kraju krajeva, važan je i brz uspjeh.
Kako odlučiti da li ćete to učiniti sami ili angažirati izvođača?
Svaka kompanija mora postepeno krenuti ka tome da IT postane ne samo funkcija podrške za nju, već nešto što joj pomaže da zaradi novac. To znači da ona treba da razvija IT kompetencije, a to je spor proces. Stoga je u početnoj fazi racionalno uključiti stručnjake, a zatim zajedno sa njima odlučiti u kojim oblastima će se kompanija sama razvijati, a u kojoj će se osloniti na partnere.
Kako odabrati partnera?
Važno je shvatiti da je tema AI složena. Potreban nam je tim koji ne samo da razumije analitičku statistiku, nauku o podacima, mašinsko učenje, već ima i složene kompetencije: od upravljanja projektima do sposobnosti rada s podacima, sistema visokog opterećenja i čišćenja podataka. Informaciona sigurnost je također važna, jer nove vrste IT rješenja povlače nove IT prijetnje, dok stare prijetnje ne nestaju. Stoga nam je potreban tim koji sve to može.
Šta mislite kako će se AI tehnologija promijeniti u budućnosti?
U praktičnom smislu, još uvijek je važno savladati ono što je dostupno. Ako govorimo o budućnosti, čini mi se da će tehnologija prije svega krenuti ka učenju s pojačanjem, samoučenju, kada sistem sam uči na osnovu svježih podataka. Ali za sada je ovo više teorija nego praksa. Kada je u pitanju podučavanje kompjutera da igra Go, učenje s pojačanjem funkcionira. Ali u složenijim praktičnim problemima, još ne toliko.
Postoji li mnogo platformi za praktičnu diskusiju o problemima umjetne inteligencije u Rusiji?
Postoji mnogo različitih foruma i svi govore o AI. Tema je hype, može ispasti kao kod nanotehnologije. Gledajući sve ovo, održavamo svoj Ruski forum umjetne inteligencije (RAIF). Ove godine će se održati po treći put i održaće se od 22. do 23. oktobra u Skolkovu u okviru međunarodnog foruma „Otvorene inovacije“. Tu govorimo o praksi: kakvi problemi, poteškoće i tako dalje postoje u ovoj oblasti.
Koja je glavna tema ovogodišnjeg foruma?
Ove godine, glavna tema foruma je kako „pogurati“ projekat veštačke inteligencije u industrijsku operaciju da donese rezultate. Takođe stavljamo ključni naglasak na sve povezane teme. Imamo odjeljke o velikim podacima, sigurnosti informacija i hardveru. Okupljamo matematičare, programere, stručnjake za hardver, stručnjake za infrastrukturu i operacije.
Govorimo o stvarnoj praksi, a ne o naučnim problemima - iako imamo poseban odjeljak o tome. Ali prije svega, okupljamo ljude koji implementiraju AI projekte, razgovaramo o tome sopstveno iskustvo, ukazujemo na zamke. I što je najvažnije, zadatke uvijek razmatramo u cjelini, u kontekstu projekta, a ne neke vrste filozofije ili nauke.
Ove godine Yandex je lansirao glasovnu pomoćnicu Alice. Nova usluga omogućava korisniku da sluša vijesti i vremensku prognozu, dobije odgovore na pitanja i jednostavno komunicira s botom. "Alice" ponekad postane samouveren, ponekad izgleda gotovo razumno i ljudski sarkastična, ali često ne može shvatiti o čemu je pitaju i završi u lokvi.
Sve je to izazvalo ne samo val šala, već i novi krug rasprava o razvoju umjetne inteligencije. Vijesti o tome šta su pametni algoritmi postigli danas dolaze gotovo svakodnevno, a mašinsko učenje se naziva jednim od najperspektivnijih područja kojoj se možete posvetiti.
Kako bismo razjasnili glavna pitanja o umjetnoj inteligenciji, razgovarali smo sa Sergejem Markovim, specijalistom za umjetnu inteligenciju i metode strojnog učenja, autorom jednog od najmoćnijih domaćih šahovskih programa SmarThink i kreatorom projekta XXII Century.
Sergej Markov,
specijalista za umjetnu inteligenciju
Razotkrivanje mitova o AI
pa šta je "vještačka inteligencija"?
koncept " umjetna inteligencija„Donekle nesrećni. Nastala u početku u naučnoj zajednici, vremenom je prodrla u fantastičnu literaturu, a preko nje i u pop kulturu, gdje je doživjela niz promjena, dobila mnoga tumačenja i na kraju potpuno mistificirana.
Zbog toga često čujemo ovakve izjave od ne-specijalista: „AI ne postoji“, „AI se ne može stvoriti“. Nerazumijevanje istraživanja koje se radi na polju AI lako dovodi ljude u druge krajnosti – na primjer, savremeni sistemi AI je zaslužan za posjedovanje svijesti, slobodne volje i tajnih motiva.
Pokušajmo odvojiti mušice od kotleta.
U nauci, umjetna inteligencija se odnosi na sisteme dizajnirane za rješavanje intelektualnih problema.
Zauzvrat, intelektualni zadatak je zadatak koji ljudi rješavaju koristeći vlastitu inteligenciju. Imajte na umu da u ovom slučaju stručnjaci namjerno izbjegavaju definiranje pojma “inteligencije”, budući da je prije pojave AI sistema jedini primjer inteligencije bila ljudska inteligencija, a definiranje koncepta inteligencije na osnovu jednog primjera je isto što i pokušaj da povučemo pravu liniju kroz jednu tačku. Takvih redaka može biti neograničeno, što znači da bi rasprava o konceptu inteligencije mogla trajati stoljećima.
“jaka” i “slaba” vještačka inteligencija
AI sistemi su podijeljeni u dvije velike grupe.
Primijenjena umjetna inteligencija(izraz „slab AI” ili „uski AI” se takođe koristi, u Engleska tradicija- slab/primijenjen/uski AI) je AI dizajniran za rješavanje bilo kojeg intelektualnog problema ili malog skupa njih. Ova klasa uključuje sisteme za igranje šaha, Go, prepoznavanje slike, govor, donošenje odluka o izdavanju ili ne izdavanju bankovnog kredita, itd.
Za razliku od primijenjene AI, uvodi se koncept univerzalna vještačka inteligencija(takođe “snažna AI”, na engleskom - jaka AI/vještačka opća inteligencija) - odnosno hipotetička (za sada) AI sposobna da riješi sve intelektualne probleme.
Često ljudi, bez poznavanja terminologije, poistovjećuju AI sa jakom AI, zbog čega proizilaze presude u duhu „AI ne postoji“.
Jaka AI zaista još uvek ne postoji. Gotovo sav napredak koji smo vidjeli u posljednjoj deceniji u oblasti AI je napredak u sistemima aplikacija. Ove uspehe ne treba potcenjivati, jer su primenjeni sistemi u nekim slučajevima sposobni da rešavaju intelektualne probleme bolje od univerzalne ljudske inteligencije.
Mislim da ste primijetili da je koncept AI prilično širok. Recimo, mentalno izračunavanje je takođe intelektualni zadatak, a to znači da će se svaka računska mašina smatrati AI sistemom. Šta je sa računima? Abakus? Antikiterski mehanizam? Zaista, sve su to formalno, iako primitivni, AI sistemi. Međutim, obično, nazivajući sistem AI sistemom, na taj način naglašavamo složenost problema koji ovaj sistem rješava.
Sasvim je očito da je podjela intelektualnih zadataka na jednostavne i složene vrlo umjetna, a naše ideje o složenosti pojedinih zadataka se postepeno mijenjaju. Mehanička računska mašina bila je čudo tehnologije u 17. veku, ali danas ljudi, koji su od detinjstva bili izloženi mnogo složenijim mehanizmima, više nisu u stanju da budu impresionirani njom. Kada automobili koji igraju Go ili samovozeći automobili prestanu da oduševljavaju javnost, vjerovatno će se naći ljudi koji će se trgnuti jer će neko takve sisteme klasificirati kao AI.
“Odlični roboti”: o sposobnostima učenja umjetne inteligencije
Još jedna smiješna zabluda je da AI sistemi moraju imati sposobnost samoučenja. S jedne strane, to nije neophodno svojstvo AI sistema: postoji mnogo nevjerovatnih sistema koji nisu sposobni za samoučenje, ali, ipak, rješavaju mnoge probleme bolje od ljudskog mozga. S druge strane, neki ljudi jednostavno ne znaju da je samoučenje svojstvo koje su mnogi AI sistemi stekli prije više od pedeset godina.
Kada sam 1999. godine napisao svoj prvi šahovski program, samoučenje je već bilo sasvim uobičajeno mjesto u ovoj oblasti - programi su mogli pamtiti opasne pozicije, prilagođavati varijacije otvaranja prema sebi i regulisati stil igre, prilagođavajući se protivniku. Naravno, ti programi su još uvijek bili jako daleko od Alpha Zero. Međutim, već su postojali čak i sistemi koji su naučili ponašanje zasnovano na interakciji sa drugim sistemima kroz eksperimente u takozvanom „učenju sa pojačanjem“. Međutim, iz nekog neobjašnjivog razloga, neki ljudi i dalje misle da je sposobnost samoučenja prerogativ ljudske inteligencije.
Mašinsko učenje, cijela naučna disciplina, bavi se procesima učenja mašina za rješavanje određenih problema.
Postoje dva velika pola mašinskog učenja – učenje pod nadzorom i učenje bez nadzora.
At obuka sa nastavnikom mašina već ima određeni broj uslovno ispravnih rješenja za određeni skup slučajeva. Zadatak obuke u ovom slučaju je da nauči mašinu, na osnovu dostupnih primera, da donosi ispravne odluke u drugim, nepoznatim situacijama.
Druga krajnost je učenje bez nastavnika. To jest, mašina je stavljena u situaciju u kojoj su tačne odluke nepoznate, dostupni su samo podaci u sirovom, neoznačenom obliku. Ispostavilo se da u takvim slučajevima možete postići određeni uspjeh. Na primjer, možete naučiti mašinu da identifikuje semantičke odnose između riječi jezika na osnovu analize vrlo veliki set tekstovi.
Jedna vrsta učenja pod nadzorom je učenje s pojačanjem. Ideja je da AI sistem djeluje kao agent smješten u neko simulirano okruženje u kojem može komunicirati s drugim agentima, na primjer, sa svojim kopijama, i primati neke povratne informacije iz okoline kroz funkciju nagrađivanja. Na primjer, šahovski program koji igra sam sa sobom, postupno prilagođavajući svoje parametre i time postupno jačajući vlastitu igru.
Učenje s pojačanjem je prilično široko polje, s mnogo zanimljivih tehnika koje se koriste, u rasponu od evolucijskih algoritama do Bayesove optimizacije. Najnovija dostignuća u polju AI za igre su upravo povezani sa jačanjem AI tokom učenja s pojačanjem.
Rizici razvoja tehnologije: da li se trebamo bojati „Sudnjeg dana“?
Ja nisam jedan od AI alarmista, i u tom smislu nisam nipošto sam. Na primjer, tvorac Stenfordskog kursa o mašinskom učenju, Andrew Ng, upoređuje problem opasnosti od AI sa problemom prenaseljenosti Marsa.
Zaista, vjerovatno je da će ljudi kolonizirati Mars u budućnosti. Također je vjerovatno da prije ili kasnije može doći do problema prenaseljenosti na Marsu, ali nije sasvim jasno zašto bismo se sada bavili ovim problemom? Yann LeCun, tvorac konvolucijskih neuronskih mreža, i njegov šef Mark Zuckerberg, te Yoshua Benyo, čovjek u velikoj mjeri zahvaljujući čijim istraživanjima, moderne neuronske mreže mogu riješiti složene probleme u oblasti obrade teksta, slažu se s Ng.
Vjerovatno će trebati nekoliko sati da iznesem svoje viđenje ovog problema, pa ću se fokusirati samo na glavne tačke.
1. NE MOŽETE OGRANIČITI RAZVOJ AI
Alarmisti razmatraju rizike povezane sa potencijalnim destruktivnim uticajem veštačke inteligencije, dok ignorišu rizike povezane sa pokušajem ograničavanja ili čak zaustavljanja napretka u ovoj oblasti. Tehnološka moć čovječanstva raste izuzetno brzom brzinom, što dovodi do efekta koji ja nazivam "pojeftinjenje apokalipse".
Prije 150 godina, uz svu želju, čovječanstvo nije moglo nanijeti nepopravljivu štetu ni biosferi ni samom sebi kao vrsti. Za implementaciju katastrofalnog scenarija prije 50 godina bilo bi potrebno koncentrirati svu tehnološku moć nuklearnih sila. Sutra će mala šačica fanatika biti dovoljna da izazove globalnu katastrofu koju je napravio čovjek.
Naša tehnološka moć raste mnogo brže od sposobnosti ljudske inteligencije da kontroliše ovu moć.
Osim ako ljudska inteligencija, sa svojim predrasudama, agresijom, zabludama i ograničenjima, ne bude zamijenjena sistemom koji je sposoban donositi bolje odluke (da li AI ili, što mislim da je vjerovatnije, ljudska inteligencija, tehnološki poboljšana i kombinovana sa mašinama u jedan sistem) , možemo čekati globalnu katastrofu.
2. stvaranje superinteligencije je suštinski nemoguće
Postoji ideja da će AI budućnosti sigurno biti superinteligencija, superiornija od ljudi čak i više nego što su ljudi superiorniji od mrava. U ovom slučaju, bojim se razočarati i tehnološke optimiste - naš Univerzum sadrži niz fundamentalnih fizičkih ograničenja koja će, po svemu sudeći, onemogućiti stvaranje superinteligencije.
Na primjer, brzina prijenosa signala ograničena je brzinom svjetlosti, a na Planckovoj skali pojavljuje se Heisenbergova nesigurnost. Ovo dovodi do prvog fundamentalnog ograničenja - Bremermannove granice, koja uvodi ograničenja na maksimalnu brzinu proračuna za autonomni sistem date mase m.
Još jedno ograničenje je povezano sa Landauerovim principom, prema kojem postoji minimalna količina toplote koja se stvara prilikom obrade 1 bita informacije. Prebrzi proračuni će uzrokovati neprihvatljivo zagrijavanje i uništenje sistema. U stvari, moderni procesori su manje od hiljadu puta iza Landauerove granice. Čini se da je 1000 dosta, ali drugi problem je što mnogi intelektualni zadaci pripadaju klasi težine EXPTIME. To znači da je vrijeme potrebno za njihovo rješavanje eksponencijalna funkcija veličine problema. Ubrzavanje sistema nekoliko puta samo daje konstantan porast “inteligencije”.
Općenito, postoje vrlo ozbiljni razlozi za vjerovanje da super-inteligentna jaka AI neće uspjeti, iako, naravno, nivo ljudske inteligencije može biti nadmašen. Koliko je ovo opasno? Najvjerovatnije ne mnogo.
Zamislite da ste odjednom počeli da razmišljate 100 puta brže od drugih ljudi. Znači li to da ćete lako moći nagovoriti bilo kojeg prolaznika da vam da svoj novčanik?
3. zabrinuti smo zbog pogrešnih stvari
Nažalost, kao rezultat spekulacija alarmista o strahovima javnosti, iznesenim o “Terminatoru” i čuvenom HAL-u 9000 Clarka i Kubricka, dolazi do pomjeranja naglaska na polju sigurnosti AI prema analizi malo vjerojatnih , ali efikasni scenariji. U isto vrijeme, stvarne opasnosti se gube iz vida.
Svaka dovoljno složena tehnologija koja teži da zauzme važno mjesto u našem tehnološkom pejzažu svakako sa sobom nosi i specifične rizike. Mnogi životi su uništeni parnim mašinama - u proizvodnji, transportu i tako dalje - prije nego što su razvijeni efikasni propisi i sigurnosne mjere.
Ako govorimo o napretku u oblasti primenjene veštačke inteligencije, možemo obratiti pažnju na srodni problem takozvanog „Digitalnog tajnog suda“. Sve više AI aplikacija donosi odluke o pitanjima koja utiču na živote i zdravlje ljudi. To uključuje medicinske dijagnostičke sisteme i, na primjer, sisteme koji donose odluke u bankama o izdavanju ili ne izdavanju kredita klijentu.
Istovremeno, struktura korištenih modela, skupovi faktora koji se koriste i drugi detalji postupka donošenja odluka kriju se kao poslovna tajna od osobe čija je sudbina u pitanju.
Korišteni modeli mogu svoje odluke zasnivati na mišljenjima stručnih nastavnika koji su pravili sistematske greške ili su imali određene predrasude – rasne, rodne.
AI obučena za odluke takvih stručnjaka vjerno će reprodukovati ove predrasude u svojim odlukama. Uostalom, ovi modeli mogu sadržavati određene nedostatke.
Malo ljudi se sada bavi ovim problemima, jer je, naravno, SkyNet koji započinje nuklearni rat, naravno, mnogo spektakularniji.
Neuronske mreže kao "vrući trend"
S jedne strane, neuronske mreže su jedan od najstarijih modela koji se koriste za kreiranje AI sistema. Pojavivši se u početku kao rezultat bioničkog pristupa, brzo su pobjegli od svojih bioloških prototipova. Jedini izuzetak su impulsne neuronske mreže (međutim, one još nisu našle široku primjenu u industriji).
Napredak posljednjih desetljeća povezan je s razvojem tehnologija dubokog učenja – pristupa u kojem se neuronske mreže sastavljaju iz velikog broja slojeva, od kojih je svaki izgrađen na osnovu određenih pravilnih obrazaca.
Pored kreiranja novih modela neuronskih mreža, značajan napredak je postignut iu oblasti tehnologija učenja. Danas se neuronske mreže više ne podučavaju pomoću centralnih kompjuterskih procesora, već pomoću specijalizovanih procesora sposobnih za brzo izvođenje matričnih i tenzorskih proračuna. Najčešći tip takvih uređaja danas su video kartice. Međutim, aktivno je u toku razvoj još specijalizovanijih uređaja za obuku neuronskih mreža.
Općenito, naravno, neuronske mreže danas su jedna od glavnih tehnologija u području strojnog učenja, kojoj dugujemo rješenje mnogih problema koji su se ranije rješavali nezadovoljavajuće. S druge strane, naravno, morate shvatiti da neuronske mreže nisu lijek za sve. Za neke zadatke oni su daleko od najefikasnijeg alata.
Dakle, koliko su zapravo pametni današnji roboti?
Sve se uči poređenjem. U poređenju sa tehnologijom iz 2000. godine, sadašnja dostignuća izgledaju kao pravo čudo. Uvek će biti ljudi koji vole da gunđaju. Prije 5 godina su svom snagom govorili o tome kako mašine nikada neće pobijediti ljude u Gou (ili, barem, neće pobijediti vrlo brzo). Rekli su da mašina nikada neće moći da nacrta sliku od nule, dok danas ljudi praktično ne mogu da razlikuju slike koje su napravile mašine od slika njima nepoznatih umetnika. Krajem prošle godine mašine su naučile da sintetizuju govor koji se praktično ne razlikuje od ljudskog govora, a u poslednjih godina Muzika koju stvaraju mašine ne isušuje vam uši.
Hajde da vidimo šta će biti sutra. Veoma sam optimističan u pogledu ovih primjena AI.
Obećavajući smjerovi: odakle početi zaroniti u polje AI?
Savjetovao bih ti da probaš dobar nivo ovladati jednim od popularnih neuronskih mreža i jednim od najpopularnijih programskih jezika u području strojnog učenja (najpopularnija kombinacija danas je TensorFlow + Python).
Pošto ste savladali ove alate i u idealnom slučaju imate jaku osnovu u oblasti matematičke statistike i teorije verovatnoće, trebalo bi da usmerite svoje napore u oblast koja će vama lično biti najinteresantnija.
Interesovanje za predmet vašeg rada jedan je od vaših najvažnijih asistenata.
Potreba za stručnjacima za mašinsko učenje postoji u različitim oblastima – u medicini, bankarstvu, nauci, proizvodnji, tako da danas dobar specijalista ima veći izbor nego ikada ranije. Čini mi se da su potencijalne koristi bilo koje od ovih industrija beznačajne u poređenju sa činjenicom da ćete uživati u poslu.
Umjetna inteligencija je sposobnost digitalnog kompjutera ili kompjuterski kontroliranog robota da obavlja zadatke koji su obično povezani sa inteligentna bića. Termin se često primjenjuje na projekte razvoja sistema obdarenih intelektualnim procesima karakterističnim za ljude, kao što je sposobnost rasuđivanja, generalizacije ili učenja iz prošlih iskustava. Osim toga, definicija koncepta AI (vještačke inteligencije) svodi se na opis skupa povezanih tehnologija i procesa, kao što su, na primjer, mašinsko učenje, virtuelni agenti i ekspertni sistemi. Govoreći jednostavnim riječima AI je grubi prikaz neurona u mozgu. Signali se prenose od neurona do neurona i konačno izlaze - dobija se numerički, kategorički ili generativni rezultat. Ovo se može ilustrovati ovim primjerom. ako sistem fotografiše mačku i obučen je da prepozna da li je mačka ili ne, prvi sloj može identifikovati opšte gradijente koji definišu ukupni oblik mačke. Sljedeći sloj može identificirati veće objekte kao što su uši i usta. Treći sloj definira manje objekte (kao što su brkovi). Konačno, na osnovu ovih informacija, program će ispisati "da" ili "ne" da kaže da li je mačka ili ne. Programer ne mora da „kaže“ neuronima da su to funkcije koje treba da traže. AI ih je naučio sam trenirajući na mnogim slikama (i sa i bez mačaka).
Šta je vještačka inteligencija?
Opis umjetnog neurona
Umjetni neuron je matematička funkcija zamišljena kao model bioloških neurona, neuronske mreže. Umjetni neuroni su elementarne jedinice u umjetnim neuronskim mrežama. Umjetni neuron prima jedan ili više ulaza i zbraja ih kako bi proizveo izlaz ili aktivaciju, koji predstavlja akcioni potencijal neurona, koji se prenosi duž njegovog aksona. Obično se svaki ulaz analizira zasebno i zbroj se prenosi kroz nelinearnu funkciju poznatu kao aktivacijska funkcija ili funkcija prijenosa.
Kada je počelo istraživanje AI?
Godine 1935. britanski istraživač A.M. Turing je opisao apstraktnu računarsku mašinu koja se sastoji od beskonačne memorije i skenera koji se kreće napred-nazad kroz memoriju, karakter po karakter. Skener čita ono što pronađe, ispisuje dalje znakove. Radnje skenera diktira program instrukcija, koji se također pohranjuje u memoriju kao simboli. Najraniji uspješni AI program napisao je 1951. godine Christopher Strachey. Godine 1952. ovaj program je mogao igrati dame sa osobom, iznenađujući sve svojom sposobnošću predviđanja poteza. Godine 1953. Turing je objavio klasičan rani rad o šahovskom programiranju.
Razlika između umjetne inteligencije i prirodne inteligencije
Inteligencija se može definisati kao opšta mentalne sposobnosti na rasuđivanje, rješavanje problema i učenje. Zbog svoje opšte prirode, inteligencija integriše kognitivne funkcije kao što su percepcija, pažnja, pamćenje, jezik ili planiranje. Prirodnu inteligenciju odlikuje svjestan odnos prema svijetu. Ljudsko razmišljanje je uvijek emocionalno obojeno i ne može se odvojiti od fizičkog. Osim toga, čovjek je društveno biće, pa je mišljenje uvijek pod utjecajem društva. AI nema veze s emocionalnom sferom i nije socijalno orijentisan.
Kako uporediti ljudsku i kompjutersku inteligenciju?
Ljudsko razmišljanje se može uporediti s umjetnom inteligencijom na osnovu nekoliko općih parametara organizacije mozga i mašine. Aktivnost kompjutera, poput mozga, uključuje četiri faze: kodiranje, skladištenje, analizu podataka i izlaz. Osim toga, ljudski mozak i AI mogu samostalno učiti ovisno o podacima primljenim od njih okruženje. Također, ljudski mozak i strojna inteligencija rješavaju probleme (ili zadatke) koristeći određene algoritame.
Da li kompjuterski programi imaju IQ?
br. IQ je povezan sa razvojem inteligencije osobe u zavisnosti od starosti. AI na neki način prevazilazi neke ljudske sposobnosti, na primjer, može zadržati ogroman broj brojeva u memoriji, ali to nema nikakve veze s IQ-om.
Šta je Turingov test?
Alan Turing je razvio empirijski test koji pokazuje da li je program u stanju uhvatiti sve nijanse ljudskog ponašanja do te mjere da osoba ne može utvrditi da li komunicira s AI ili živim sagovornikom. Turing je predložio da vanjski posmatrač procijeni razgovor između osobe i mašine koja odgovara na pitanja. Sudija ne vidi ko tačno odgovara, ali zna da je jedan od sagovornika AI. Razgovor je ograničen samo na tekstualni kanal (tastatura računara i ekran), tako da rezultat ne zavisi od sposobnosti mašine da prikaže reči kao ljudski govor. Ako program uspije prevariti osobu, smatra se da je uspješno prošao test.Simbolički pristup
Simbolični pristup AI je skup svih istraživačkih metoda umjetne inteligencije zasnovanih na simboličkim (ljudski čitljivim) prikazima zadataka, logike i pretraživanja visokog nivoa. Simbolični pristup bio je naširoko korišćen u istraživanju veštačke inteligencije 1950-80-ih. Jedan popularan oblik simboličkog pristupa su ekspertni sistemi koji koriste kombinaciju određenih pravila proizvodnje. Pravila proizvodnje povezuju simbole u logičke veze koje su slične ako-onda algoritmu. Ekspertski sistem obrađuje pravila kako bi izveo zaključke i odredio koji dodatne informacije ona treba, odnosno koja pitanja postaviti, koristeći čitljive simbole.
Logičan pristup
Izraz “logički pristup” podrazumijeva pozivanje na logiku, rasuđivanje i rješavanje problema korištenjem logičkih koraka. Logičari su još u 19. veku razvili precizne zapise za sve vrste objekata na svetu i odnose između njih. Do 1965. postojali su programi koji su mogli riješiti bilo koje logički problem(vrhunac popularnosti ovog pristupa dogodio se u kasnim 1950-im – 70-im). Zagovornici logičkog pristupa u okviru logičke veštačke inteligencije nadali su se da će izgraditi inteligentne sisteme na takvim programima (posebno napisanim na jeziku Prolog). Međutim, ovaj pristup ima dva ograničenja. Prvo, nije lako uzeti neformalno znanje i staviti ga u formalne termine koje zahteva AI obrada. Drugo, velika je razlika između rješavanja problema u teoriji i rješavanja u praksi. Čak i problemi sa nekoliko stotina činjenica mogu iscrpiti računarske resurse bilo kog računara ako nema neke smernice o tome koje obrazloženje prvo koristiti.
Pristup baziran na agentima
Agent je nešto što djeluje (od latinskog agere, "činiti"). Naravno, svi kompjuterski programi nešto rade, ali se od računalnih agenata očekuje da rade više: rade autonomno, osjete ekološke znakove (koristeći posebne senzore), prilagođavaju se promjenama, kreiraju ciljeve i provode ih. Racionalni agent je onaj koji djeluje kako bi postigao najbolji očekivani rezultat.
Hibridni pristup
Vjeruje se da ovaj pristup, koji je postao popularan kasnih 1980-ih, djeluje najefikasnije jer je kombinacija simboličkih i neuronskih modela. Hibridni pristup povećava kognitivne i računske sposobnosti mašine.
Tržište tehnologije umjetne inteligencije
Očekuje se da će tržište porasti na 190,61 milijardu dolara do 2025. godine, uz godišnju stopu rasta od 36,62%. Na rast tržišta utiču faktori kao što su uvođenje aplikacija i usluga u oblaku, pojava velikih skupova podataka i aktivna potražnja za inteligentnim virtuelnim asistentima. Međutim, još uvijek ima malo stručnjaka koji razvijaju i implementiraju AI tehnologije, a to usporava rast tržišta. Sistemi izgrađeni na AI zahtijevaju integraciju i tehničku podršku za održavanje.
Procesori za AI
Moderni AI zadaci zahtijevaju moćne procesore koji mogu obraditi ogromne količine podataka. Procesori moraju imati pristup velikim količinama memorije, a uređaju su potrebni i kanali za prijenos podataka velike brzine.U Rusiji
Krajem 2018. godine u Rusiji je lansirana serija Elbrus-804 servera koji su pokazali visoke performanse. Svaki računar je opremljen sa četiri procesora sa osam jezgara. Koristeći ove uređaje, možete izgraditi računarske klastere, oni vam omogućavaju rad sa aplikacijama i bazama podataka.
Svjetsko tržište
Pokretači i lideri na tržištu su dvije korporacije - Intel i AMD, proizvođači najmoćnijih procesora. Intel se tradicionalno fokusirao na izdavanje mašina sa većim brzinama takta, AMD je fokusiran na stalno povećanje broja jezgara i pružanje performansi sa više niti.
Koncept nacionalnog razvoja
Tri desetine zemalja je već odobrilo nacionalne strategije razvoja veštačke inteligencije. U oktobru 2019. u Rusiji bi trebalo da bude usvojen nacrt Nacionalne strategije razvoja veštačke inteligencije. Očekuje se da će u Moskvi biti uveden pravni režim koji će olakšati razvoj i implementaciju AI tehnologija.
Istraživanje AI
Pitanja o tome šta je umjetna inteligencija i kako ona funkcionira tiču se naučnika različitim zemljama već više od jedne decenije. Budžet američke vlade godišnje izdvaja 200 miliona dolara za istraživanja. U Rusiji je tokom 10 godina - od 2007. do 2017. godine - izdvojeno oko 23 milijarde rubalja. Sekcije o podršci istraživanjima u oblasti AI postat će važan dio koncepta nacionalne strategije. U Rusiji će se uskoro otvoriti novi istraživački centri, a nastavit će se i razvoj inovativnog softvera za AI.
Standardizacija u AI
Norme i pravila u oblasti veštačke inteligencije u Rusiji su u procesu stalnog usavršavanja. Očekuje se da će krajem 2019. - početkom 2020. godine biti odobreni nacionalni standardi koje trenutno razvijaju tržišni lideri. Istovremeno se formira Nacionalni plan standardizacije za 2020. godinu i dalje. Standard „Umjetna inteligencija. Koncept i terminologija”, a 2019. godine stručnjaci su počeli da razvijaju njegovu rusifikovanu verziju. Dokument bi trebalo da bude odobren 2021. godine.
Uticaj vještačke inteligencije
Implementacija AI je neraskidivo povezana sa naučnim i tehnološkim napretkom, a opseg primjene se širi svake godine. S tim se susrećemo svaki dan u životu, kada nam veliki trgovački lanac na internetu preporuči neki proizvod, ili, samo otvarajući računar, vidimo reklamu za film koji smo upravo htjeli pogledati. Ove preporuke se zasnivaju na algoritmima koji analiziraju šta je potrošač kupio ili pogledao. Iza ovih algoritama stoji umjetna inteligencija.
Postoji li rizik za razvoj ljudske civilizacije?
Elon Musk vjeruje da bi razvoj umjetne inteligencije mogao ugroziti čovječanstvo i da bi rezultati mogli biti gori od upotrebe nuklearnog oružja. Stephen Hawking, britanski naučnik, strahuje da bi ljudi mogli stvoriti umjetnu inteligenciju sa super inteligencijom koja bi mogla naštetiti ljudima.O ekonomiji i biznisu
Prodor AI tehnologije u sve oblasti ekonomije povećaće globalno tržište usluga i roba za 15,7 biliona dolara do 2030. godine. SAD i Kina su i dalje lideri u pogledu svih vrsta projekata u oblasti AI. Razvijene zemlje - Njemačka, Japan, Kanada, Singapur - takođe nastoje da ostvare sve mogućnosti. Mnoge zemlje čije ekonomije rastu umjerenim tempom, poput Italije, Indije, Malezije, se razvijaju snage u specifičnim oblastima primjene AI.
Na tržište rada
Globalni uticaj veštačke inteligencije na tržište rada pratiće dva scenarija. Prvo, širenje nekih tehnologija će dovesti do otpuštanja velikog broja ljudi, jer će kompjuteri preuzeti mnoge poslove. Drugo, zbog razvoja tehnološkog napretka, stručnjaci za umjetnu inteligenciju bit će veoma traženi u mnogim industrijama.
AI Bias
Pristrasnost AI sistema će vjerovatno postati sve češći problem kako se umjetna inteligencija seli iz laboratorije u stvarni svijet. Istraživači strahuju da bi bez odgovarajuće obuke u procjeni podataka i identificiranju potencijala za pristrasnost u podacima, ugrožene grupe u društvu mogle biti oštećene ili njihova prava povrijeđena. Do sada istraživači nemaju podatke o tome da li će sistemi izgrađeni na bazi mašinskog učenja ugroziti čovečanstvo.
Područja primjene
Umjetna inteligencija i njene primjene prolaze kroz transformaciju. Definicija Weak AI (“slaba AI”) koristi se kada je u pitanju implementacija uskih zadataka u medicinskoj dijagnostici, elektronskim platformama za trgovanje i kontroli robota. Dok Jaku AI („snažna AI“) istraživači definiraju kao inteligenciju kojoj se daju globalni zadaci, kao da su stavljeni pred osobu.
Koristi se u vojne i vojne svrhe
Do 2025. globalna prodaja povezanih usluga, softvera i opreme će porasti na 18,82 milijarde dolara, a godišnji rast tržišta iznosit će 14,75%. AI se koristi za prikupljanje podataka, u bioinformatici, vojnoj obuci i sektoru odbrane.U obrazovanju
Mnoge škole uključuju uvodne lekcije o AI u svoje kurseve informatike, a univerziteti naširoko koriste tehnologije velikih podataka. Neki programi prate ponašanje učenika, ocjenjuju testove i eseje, prepoznaju greške u izgovoru riječi i nude opcije ispravljanja.
Postoje i online kursevi o umjetnoj inteligenciji. Na primjer, kod edukativni portal.
U poslovanju i trgovini
U sljedećih pet godina, vodeći trgovci će imati mobilne aplikacije koje će raditi s digitalnim pomoćnicima poput Siri kako bi olakšali kupovinu. AI vam omogućava da zaradite ogromne sume na internetu. Jedan primjer je Amazon, koji stalno analizira ponašanje potrošača i poboljšava svoje algoritme.
Gdje možete učiti na temu #vještačka inteligencija
U elektroprivredi
AI pomaže u predviđanju proizvodnje i potražnje za energetskim resursima, smanjenju gubitaka i sprječavanju krađe resursa. U elektroenergetskoj industriji, korištenje AI u analizi statističkih podataka pomaže u odabiru najprofitabilnijeg dobavljača ili automatiziranju korisničke usluge.
U proizvodnom sektoru
Prema McKinseyjevom istraživanju na 1.300 rukovodilaca, 20% preduzeća već koristi AI. Nedavno je kompanija Mosselprom implementirala AI u svoju proizvodnju u odjelu pakovanja. Koristi sposobnost umjetne inteligencije da prepozna slike. Kamera bilježi sve radnje zaposlenika skeniranjem bar koda odštampanog na odjeći i šalje podatke na kompjuter. Broj izvršenih transakcija direktno utiče na nadoknadu zaposlenog.
U pivarstvu
Carlsberg koristi mašinsko učenje za odabir kvasca i proširenje njegovog asortimana. Tehnologija je implementirana na bazi digitalne platforme u oblaku.U bankarstvu
Potreba za pouzdanom obradom podataka, razvoj mobilnih tehnologija, dostupnost informacija i proliferacija softvera otvorenog koda čine AI traženom tehnologijom u bankarskom sektoru. Sve više banaka prikuplja pozajmljena sredstva uz pomoć kompanija za razvoj mobilnih aplikacija. Nove tehnologije poboljšavaju uslugu korisnicima, a analitičari predviđaju da će u roku od pet godina AI u bankama većinu odluka donositi samostalno.
Transportom
Razvoj AI tehnologija je pokretač transportne industrije. Praćenje stanja na cestama, otkrivanje pješaka ili objekata na neprikladnim mjestima, autonomna vožnja, usluge u oblaku u automobilskoj industriji samo su neki od primjera upotrebe AI u transportu.
U logistici
AI mogućnosti omogućavaju kompanijama da efikasnije predviđaju potražnju i izgrade lance nabavke uz minimalne troškove. AI pomaže u smanjenju broja vozila potrebnih za transport, optimizaciji vremena isporuke i smanjenju operativnih troškova transporta i skladišta.
Na tržištu luksuznih roba i usluga
Luksuzni brendovi su se također okrenuli digitalne tehnologije analizirati potrebe kupaca. Jedan od izazova s kojima se susreću programeri u ovom segmentu je upravljanje i utjecanje na emocije kupaca. Dior već prilagođava AI za upravljanje interakcijama kupca i brenda pomoću chatbotova. Kako se luksuzni brendovi takmiče u budućnosti, odlučujući faktor će biti nivo personalizacije koji mogu postići pomoću AI.
U javnoj upravi
Vladine agencije u mnogim zemljama još nisu spremne za izazove skrivene u AI tehnologijama. Stručnjaci predviđaju da će mnoge postojeće strukture vlasti i procesi koji su evoluirali u proteklih nekoliko stoljeća vjerovatno postati zastarjeli u bliskoj budućnosti.
U kriminologiji
Koriste se različiti pristupi AI za identifikaciju kriminalaca javna mjesta. U nekim zemljama, poput Holandije, policija koristi umjetnu inteligenciju za istragu složenih zločina. Digitalna forenzika je nauka koja se razvija i koja zahtijeva rudarenje ogromnih količina vrlo složenih skupova podataka.U pravosudnom sistemu
Razvoj u oblasti veštačke inteligencije pomoći će radikalnoj promeni pravosudnog sistema, čineći ga pravednijim i slobodnim od korupcije. Kina je bila jedna od prvih koja je koristila AI u pravosudnom sistemu. Može se pretpostaviti da će roboti suci na kraju moći da rade sa velikim podacima iz skladišta javne usluge. Mašinska inteligencija analizira ogromne količine podataka i ne doživljava emocije kao ljudski sudija. AI može imati ogroman uticaj na obradu informacija i prikupljanje statistike, kao i na predviđanje mogućih zločina na osnovu analize podataka.
U sportu
Upotreba AI u sportu je postala uobičajena u posljednjih nekoliko godina. Sportski timovi (bejzbol, fudbal, itd.) analiziraju podatke o performansama pojedinačnih igrača, uzimajući u obzir razni faktori prilikom odabira. AI može predvidjeti budući potencijal igrača analizom tehnike igre, fizičkog stanja i drugih podataka, kao i procijeniti njihovu tržišnu vrijednost.
U medicini i zdravstvu
Ovo područje primjene se brzo razvija. AI se koristi u dijagnostici bolesti, kliničkim istraživanjima, razvoju lijekova i zdravstvenom osiguranju. Osim toga, sada postoji bum ulaganja u brojne medicinske aplikacije i uređaje.
Analiza ponašanja građana
Praćenje ponašanja građana se široko koristi u oblasti sigurnosti, uključujući praćenje ponašanja na web stranicama (društvenim mrežama) i instant messengerima. Na primjer, 2018. godine kineski naučnici uspjeli su identificirati 20 hiljada potencijalnih samoubistava i daj im psihološka pomoć. U martu 2018. Vladimir Putin je naredio da se intenziviraju akcije vladinih agencija u borbi protiv negativnog uticaja destruktivnih pokreta na društvenim mrežama.U razvoju kulture
Algoritmi umjetne inteligencije počinju stvarati umjetnička djela koja je teško razlikovati od onih koje su stvorili ljudi. AI nudi kreativnim ljudima mnogo alata za oživotvorenje svojih ideja. Upravo sada, shvatanje uloge umetnika u širem smislu se menja, jer veštačka inteligencija pruža mnogo novih metoda, ali i postavlja mnoga nova pitanja čovečanstvu.
Slikarstvo
Umjetnost se dugo smatrala isključivom sferom ljudskog stvaralaštva. Ali ispostavilo se da mašine mogu učiniti mnogo više na kreativnom polju nego što ljudi mogu zamisliti. U oktobru 2018. Christie's je prodao prvu sliku koju je stvorila umjetna inteligencija za 432.500 dolara. Korišten je generativni adversarial mrežni algoritam koji je analizirao 15.000 portreta nastalih između 15. i 20. stoljeća.
Muzika
Razvijeno je nekoliko muzičkih programa koji koriste AI za stvaranje muzike. Kao iu drugim oblastima, AI i u ovom slučaju simulira mentalni zadatak. Značajna karakteristika je sposobnost AI algoritma da uči iz primljenih informacija, kao što je kompjuterska tehnologija praćenja koja je u stanju da sluša i prati čovjeka izvođača. AI također pokreće ono što je poznato kao tehnologija interaktivne kompozicije, u kojoj kompjuter komponuje muziku kao odgovor na nastup muzičara uživo. Početkom 2019. Warner Music je sklopio svoj prvi ugovor sa umjetnikom, Endel algoritmom. Prema uslovima ugovora, neuronska mreža Endel će izdati 20 jedinstvenih albuma u roku od godinu dana.
Fotografija
AI brzo mijenja način na koji razmišljamo o fotografiji. Za samo nekoliko godina većina napretka u ovoj oblasti bit će usmjerena na AI, a ne na optiku ili senzore, kao do sada. Po prvi put, napredak u fotografskoj tehnologiji neće biti povezan sa fizikom i stvoriće potpuno novi način fotorazmišljanje. Neuronska mreža već prepoznaje i najmanje promjene prilikom modeliranja lica u foto editorima.
Video: zamjena lica
Facebook je 2015. godine počeo testirati DeepFace tehnologiju na stranici. U 2017, korisnik Reddita DeepFakes osmislio je algoritam koji vam omogućava da kreirate realistične video zapise sa zamjenom lica koristeći neuronske mreže i strojno učenje.
Mediji i književnost
Google AI je 2016. godine, nakon analize 11 hiljada neobjavljenih knjiga, počeo pisati svoju prvu književna djela. Istraživači Facebook AI Research-a su 2017. godine osmislili sistem neuronske mreže koji može pisati poeziju na bilo koju temu. U novembru 2015. godine otvoren je smjer pripreme automatskih tekstova Ruska kompanija"Yandex".
Idi igre, poker, šah
2016. AI je pobijedio čovjeka u Gou (igri sa preko 10.100 varijacija). U šahu, superkompjuter je pobedio čoveka zbog sposobnosti da memoriše poteze koje su ljudi ikada odigrali i da programira nove 10 koraka unapred. Poker sada igraju botovi, iako se ranije vjerovalo da je gotovo nemoguće osposobiti kompjuter da igra ovu kartašku igru. Svake godine programeri sve više poboljšavaju svoje algoritme.Prepoznavanje lica
Tehnologija prepoznavanja lica koristi se i za foto i video streamove. Neuronske mreže grade vektorski, ili “digitalni” predložak lica, a zatim se ovi šabloni upoređuju unutar sistema. Ona pronalazi referentne tačke na licu koje definišu individualne karakteristike. Algoritam za izračunavanje karakteristika je različit za svaki sistem i glavna je tajna programera.
Za dalji razvoj i primjenu AI potrebno je prvo obučiti ljude.
Sergey Shirkin
Dekan Fakulteta za umjetnu inteligenciju
Tehnologije umjetne inteligencije u obliku u kojem se sada koriste postoje oko 5-10 godina, ali za njihovu primjenu, začudo, potreban je veliki broj ljudi. U skladu s tim, glavni troškovi u području umjetne inteligencije su troškovi stručnjaka. Štaviše, gotovo sve osnovne tehnologije umjetne inteligencije (biblioteke, okviri, algoritmi) su besplatne i javno dostupne. Nekada je bilo gotovo nemoguće pronaći stručnjake za mašinsko učenje. Ali sada, uglavnom zahvaljujući razvoju MOOC-a (Massive Open Online Course), ima ih više. Više obrazovne institucije Oni također pružaju specijaliste, ali često moraju završiti studije putem online kurseva.
Sada umjetna inteligencija može lako prepoznati da osoba planira promjenu posla i može mu ponuditi relevantne online kurseve, od kojih se mnogi mogu završiti samo pomoću pametnog telefona. To znači da možete vježbati čak i dok ste na putu - na primjer, na putu do posla. Jedan od prvih takvih projekata bio je online resurs Coursera, ali se kasnije pojavilo mnogo sličnih obrazovnih projekata, od kojih svaki zauzima određenu nišu u online obrazovanju.
Morate shvatiti da je AI, kao i svaki program, prije svega kod, odnosno tekst formatiran na određeni način. Ovaj kod treba razvoj, održavanje i poboljšanje. Nažalost, to se ne dešava samo od sebe bez programera, kod ne može „oživeti“. Stoga su svi strahovi o svemoći AI neosnovani. Programi su kreirani za strogo definisane zadatke, nemaju osjećaje i težnje kao osoba, ne izvode radnje koje programer nije u njih stavio.
Možemo reći da u naše vrijeme AI ima samo neke ljudske vještine, iako u brzini njihove primjene može biti brža od prosječne osobe. Istina, hiljade programera ulažu mnogo sati truda da razviju svaku takvu vještinu. Najviše što AI do sada može učiniti je da automatizira neke fizičke i mentalne operacije, oslobađajući ljude od rutine.
Da li upotreba AI predstavlja rizik? Umjesto toga, sada postoji rizik da se ne prepozna mogućnost korištenja tehnologija umjetne inteligencije. Mnoge kompanije su toga svjesne i pokušavaju se razvijati u nekoliko pravaca odjednom u nadi da će neko od njih krenuti. Primjer internetskih trgovina je indikativan: sada su plutali samo oni koji su shvatili potrebu za korištenjem AI, kada to još nije bio trend, iako je bilo sasvim moguće "uštedjeti novac" i ne pozvati potrebne matematičare i programere iz nepoznatih razloga .
Izgledi za razvoj vještačke inteligencije
Kompjuteri sada mogu raditi mnoge stvari koje su ranije mogli samo ljudi: igrati šah, prepoznavati slova abecede, provjeravati pravopis, provjeravati gramatiku, prepoznavati lica, diktirati, govoriti, pobjeđivati u igrama i još mnogo toga. Ali skeptici ustraju. Čim se automatizuje još jedna ljudska sposobnost, skeptici kažu da je to samo još jedna kompjuterski program, a ne primjer samoučeće AI. AI tehnologije tek postaju u širokoj upotrebi i imaju ogroman potencijal rasta u svim oblastima. S vremenom će čovječanstvo stvarati sve moćnije kompjutere, koji će postajati sve napredniji u razvoju AI.
Da li je cilj AI da stavi ljudsku inteligenciju u kompjuter?
Postoji samo grubo razumijevanje kako ljudski mozak funkcionira. Do sada se ne mogu sva svojstva uma imitirati pomoću AI.
Hoće li AI biti u stanju da dostigne nivo ljudske inteligencije?
Naučnici se trude da AI bude u stanju da reši još raznovrsnije probleme. Ali prerano je govoriti o dostizanju nivoa ljudske inteligencije, jer se razmišljanje ne može svesti samo na algoritme.
Kada će veštačka inteligencija dostići nivo ljudskog razmišljanja?
On u ovoj fazi akumulacija i analiza informacija, koje je sada postiglo čovječanstvo, AI je daleko od ljudskog razmišljanja. Međutim, u budućnosti se mogu pojaviti revolucionarne ideje koje će uticati na oštar skok u razvoju AI.
Može li računar postati inteligentna mašina?
Deo svake složene mašine je kompjuterski sistem, a ovde se može govoriti samo o inteligentnim računarskim sistemima. Računar sam po sebi nema inteligenciju.
Postoji li veza između brzine i razvoja inteligencije u kompjuterima?
Ne, brzina je odgovorna samo za neka svojstva inteligencije. Brzina obrade i analize informacija sama po sebi nije dovoljna da bi se pojavila inteligencija.
Da li je moguće stvoriti dječju mašinu koja bi se mogla razvijati kroz čitanje i samoučenje?
O tome istraživači raspravljaju skoro stotinu godina. Ideja će vjerovatno jednog dana biti realizovana. Danas, AI programi ne obrađuju niti koriste onoliko informacija koliko djeca mogu.
Kako se teorija izračunljivosti i složenost računanja odnose na AI?
Teorija računske složenosti fokusira se na klasifikaciju računarskih problema prema njihovoj inherentnoj složenosti i međusobno povezivanje ovih klasa. Računski problem je problem koji se može riješiti pomoću računara. Računski problem je rješiv mehaničkom primjenom matematičkih koraka, kao što je algoritam.
Zaključak
Veštačka inteligencija je već imala ogroman uticaj na razvoj našeg sveta, što je bilo nemoguće predvideti pre jednog veka. Mreže pametnih telefona usmjeravaju pozive efikasnije od bilo kojeg ljudskog operatera. Automobili se grade u tvornicama bez posade pomoću automatiziranih robota. Umjetna inteligencija se integrira u najčešće kućne predmete, kao što je usisivač. Mehanizmi AI nisu u potpunosti shvaćeni, ali stručnjaci predviđaju da će se razvoj AI u narednim godinama još više približiti razvoju ljudskog mozga.
Za Architects of Intelligence: The Truth About Artificial Intelligence from its Creators, autor i futurista Martin Ford intervjuisao je 23 najistaknutija istraživača AI, uključujući generalnog direktora DeepMinda Demisa Hassabisa, šefa AI-a Google-a Jeffa Deana i direktora za umjetnu inteligenciju Stanforda Feia. Ford je svakog od njih pitao u kojoj godini će vjerovatnoća stvaranja jake AI biti najmanje 50%.
Od 23 osobe, njih 18 se odazvalo, a samo dvoje je pristalo objaviti predviđanja pod svojim imenom. Zanimljivo, dali su najekstremnije odgovore: Ray Kurzweil, futurist i direktor inženjeringa u Googleu, rekao je 2029., a Rodney Brooks, robotičar i suosnivač iRobota, rekao je 2200. Ostatak nagađanja pao je između ova dva pola. , sa prosjekom od 2099 , odnosno za 80 godina.
Ford kaže da stručnjaci počinju davati dugoročne datume - u prošlim istraživanjima rekli su da bi jaka AI mogla biti udaljena oko 30 godina.
"Vjerovatno postoji neka korelacija između toga koliko ste samouvjereni ili optimistični i koliko ste mladi", dodao je pisac, napominjući da je nekoliko njegovih sagovornika bilo starije od 70 godina i da su proživjeli uspon i pad AI. "Nakon što ste decenijama radili na ovom problemu, možda postanete malo pesimističniji", kaže on.
Ford je također istakao da stručnjaci imaju različita mišljenja o tome kako će se AI opće namjene pojaviti – neki vjeruju da je postojeća tehnologija dovoljna za tu svrhu, dok se drugi s tim ne slažu.
Neki istraživači tvrde da je većina alata već spremna i da sada zahtijevaju samo vrijeme i trud. Njihovi protivnici su uvjereni da još uvijek nedostaju mnoga fundamentalna otkrića za stvaranje jake AI. Naučnici čiji je rad fokusiran na duboko učenje imaju tendenciju da misle da će budući napredak biti postignut upotrebom neuronskih mreža, radnog konja moderne AI, rekao je Ford. Oni sa iskustvom u drugim oblastima AI veruju da će izgradnja jake verzije AI zahtevati dodatne tehnike poput simboličke logike.
„Neki ljudi u kampu dubokog učenja vrlo su prezirni prema ideji da se direktno razvija nešto slično zdrav razum u AI. Oni misle da je to glupo. Jedan od njih je rekao da je to kao pokušaj ubacivanja informacija direktno u mozak”, kaže Ford.
Svi ispitanici su istakli ograničenja postojećih AI sistema i ključnih vještina koje tek treba da savladaju, uključujući učenje transfera, gdje se znanje iz jedne oblasti primjenjuje na drugu, i učenje bez nadzora, gdje sistemi uče nove stvari bez ljudske intervencije. Velika većina savremenim metodama Aplikacije za strojno učenje oslanjaju se na podatke označene ljudima, što je velika prepreka njihovom razvoju.
Sagovornici su takođe naglasili čistu nemogućnost predviđanja u polju poput veštačke inteligencije, gde ključna otkrića dolaze do izražaja tek decenijama nakon njihovog otkrića.
Stjuart Rasel, profesor na Kalifornijskom univerzitetu u Berkliju i autor jednog od temeljnih udžbenika o veštačkoj inteligenciji, istakao je da tehnologije za stvaranje jake veštačke inteligencije "nemaju nikakve veze sa velikim podacima ili moćnijim mašinama".
“Uvijek pričam priču iz nuklearne fizike. Stav koji je Ernest Rutherford izrazio 11. septembra 1933. bio je da se energija ne može izvući iz atoma. Međutim, sljedećeg jutra, Leo Szilard je pročitao Rutherfordov govor, naljutio se i izmislio nuklearnu lančanu reakciju posredovanu neutronima! Tako je Rutherfordovo predviđanje opovrgnuto nakon otprilike 16 sati. Isto tako, potpuno je besmisleno praviti tačna predviđanja na polju AI”, rekao je Russell.
Istraživači se također ne slažu oko potencijalnih opasnosti od AI. Nick Bostrom, filozof s Oksforda i autor knjige “Umjetna inteligencija: faze. Pretnje. Strategies“ i omiljena Elona Muska, tvrdi da AI predstavlja veću prijetnju čovječanstvu od klimatskih promjena. On i njegove pristalice vjeruju da je jedan od najvećih izazova u ovoj oblasti podučavanje ljudskih vrijednosti AI.
“Ne radi se o tome da će nas AI mrzeti jer nas porobljavamo ili da će odjednom doći iskra svijesti i ona će se pobuniti. Umjesto toga, veoma će se truditi slijediti cilj koji je drugačiji od naše prave namjere”, rekao je Bostrom.
Većina ispitanika je rekla da je pitanje prijetnje AI izuzetno apstraktno u poređenju s pitanjima kao što su ekonomska recesija i korištenje naprednih tehnologija u ratu. Barbara Grosz, profesorica AI na Harvardu koja je dala značajan doprinos na polju obrade jezika, rekla je da su etička pitanja jake umjetne inteligencije u velikoj mjeri "smetajuća".
“Imamo niz etičkih problema sa postojećom umjetnom inteligencijom. Mislim da ne treba da se odvlačimo od njih zbog zastrašujućih futurističkih scenarija - rekla je.
Ford kaže da je debata najvažniji zaključak iz njegovog istraživanja: pokazuje da nema lakih odgovora u polju tako složenom kao što je umjetna inteligencija. Čak ni najeminentniji naučnici ne mogu doći do konsenzusa o fundamentalnim problemima ove oblasti znanja.
