Искусственный интеллект и будущее дизайна: что будет с дизайнерами к 2025 году? Будущее искусственного интеллекта
Финансы будущего: искусственный интеллект навсегда изменит подход к инвестициям. Фото | Финансы и инвестиции
История Kensho началась пять лет назад на мини-кухне инвестиционной компании General Catalyst в Кембридже в штате Масcачусетс. Тогда Дэниел еще только получал степень доктора экономических наук в Гарвардском университете, а сейчас компания Нэдлера является прибыльным предприятием со 120 сотрудниками. Именно поэтому сегодня одно из самых влиятельных финансово-рейтинговых агентств в мире, S&P Global, приобретает компанию за баснословные $550 млн — до сих пор ни одну компанию, занимающуюся разработками в области искусственного интеллекта, не оценивали столь высоко. Несмотря на поглощение, бренд Kensho никуда не исчезнет, а руководить организацией будет по-прежнему Нэдлер.
Тот факт, что крупнейшая сделка в сфере искусственного интеллекта заключается на Уолл-стрит, а не в Кремниевой долине, говорит о том, что точнее брокеров будущее финансовых рынков могут предсказывать боты.
S&P Global является крупнейшим рейтинговым агентством в мире — история корпорации начиналась с анализа облигаций железнодорожных компаний еще до Гражданской войны 1861-65 годов. Колоссальный интерес к финансовой статистике подвиг компанию создать в конце 1950-х фондовый индекс S&P 500. В индексах S&P оцениваются корпоративные активы на общую сумму около $12 трлн, а данные отражают стоимость 99% компаний по всему миру. Новой вехой в развитии финансовой статистики стал искусственный интеллект, и чтобы заполучить Kensho, первопроходца в этой области, S&P готовы заплатить щедрую цену. $550 млн — это даже дороже, чем поглощение стартапа DeepMind Technologies поисковым гигантом Google, или покупка компании Nervana Systems корпорацией Intel, не говоря уже о подобных сделках у Apple и Twitter.
Изначально Kensho задумывался как особый инструмент с использованием машинного обучения для того, чтобы осуществлять сложный анализ финансовых данных так же просто, как поиск в Google. Вместе с сооснователем Питером Крусколлом Нэдлер создал алгоритм под названием Warren (в честь Уоррена Баффета), который среди миллионов различных показателей находил соответствия и корреляции и предлагал потенциально выгодные сделки. Техническая составляющая была безумно сложной, а интерфейс — предельно простым: в текстовое поле достаточно было ввести вопрос на обычном английском.
В мае 2014 года Forbes уже писали об этом: «По умолчанию Warren может найти ответы на более чем 65 миллионов вопросительных комбинаций. При этом он мгновенно сканирует свыше 90 000 документов и сообщений, таких как сертификаты на лекарственные средства, экономические отчеты, изменения в финансовой системе, а также политические события и их последствия для практически всех активов на земном шаре».
Cтартап идет на Уолл-стрит
Задавшись целью продать мощный аналитический инструмент игрокам Уолл-стрит, стартап в 2013 году привлек инвестиции в размере $10 млн от таких венчурных фондов как General Catalyst, Accel Partners, Breyer Capital, NEA, Google Ventures и многих других. Вскоре этот список пополнил инвестиционный банк Goldman Sachs. Несмотря на целую плеяду влиятельных партнеров, Нэдлер столкнулся с серьезными препятствиями.
Пробиться на Уолл-стрит было крайне сложно, ведь ни один технический директор не согласился бы избавиться от собственных дорогостоящих систем обслуживания и заменить их каким-то стартапом. Дело в том, что стремление Kensho сделать количественный анализ более доступным и прозрачным совершенно противоречило корпоративной культуре секретности и конфиденциальности. Основатель компании честно признается: «Поначалу я думал, что нас ожидает полный провал». Также, по его словам, в первые полтора года проектирования системы стартап продирался через сплошную череду сложностей и неурядиц.
Большой прорыв для компании случился в 2014 году: Нэдлер нашел поддержку в лице Мартина Чавеза, который занимал тогда должность директора по информационным технологиям в Goldman Sachs и благодаря которому в стратегии банка наметились существенные изменения. Чтобы достичь для клиентов максимальной эффективности и выгоды, банку не нужно было создавать собственную техническую базу с нуля. Вместо этого можно просто заключить партнерское соглашение с шустрым стартапом типа Kensho и достичь подобным образом гораздо более высокой эффективности как для финансовых организаций, так и для клиентов — и при меньших рисках и расходах.
По словам основателя стартапа, подход Чавеза был следующим: «Мне все равно, здешняя это технология или зарубежная, мне не важно, придется ее покупать или только платить за право пользования. Главное — использовать технологию по максимуму, чтобы заключать сделки на наиболее выгодных условиях». Целых несколько месяцев Чавез и его команда работали над тем, чтобы приспособить технологии Kensho под нужды участников биржи в Goldman Sachs. К концу ноября 2014 года в ходе очередного этапа привлечения инвестиций финансовый конгломерат стал крупнейшим инвестором стартапа, вложив в него $15 млн. Не заставили себя ждать и другие гиганты отрасли: JPMorgan, Bank of America и Morgan Stanley. Однако год назад ключевым капиталовкладчиком в финальном раунде привлечения инвестиций (в общей сложности более $500 млн) стали S&P Global.
Как заставить технологии зарабатывать
Ларри Бон, управляющий директор General Catalyst, стоявший у истоков Kensho еще во времена, когда у стартапа был только офис в Массачусетсе, вспоминает:
«Дэниел Нэдлер предвидел то, что искусственный интеллект, — если быть точнее, использование машинного обучения для обработки актуальных массивных баз данных в финансовых системах, — может стать для инвесторов чрезвычайно полезным статистическим инструментом. До того времени в обработке подобных данных и создании особого программного обеспечения преуспевали лишь эксперты в фондах, занимающихся количественным анализом. Говоря более простым языком, Нэдлер помог сделать подход к финансовой информации более демократичным. Осуществить это он смог с помощью поистине инновационной программной платформы, сделав ее доступной для широкой аудитории финансового рынка вообще и банков в частности».
Редакция Forbes следит за успехами Kensho уже несколько лет. С самого начала в 2014 году мы окрестили стартап как «Google для поиска выгодных капиталовложений». С самого создания нашего рейтинга финансово-технологических компаний инновации Kensho являются эталоном машинного обучения для инвестиционного анализа. Когда на глобальном рынке финансов произошли изменения, система Kensho доказала свою действенность и эффективность.
Влияние политики на рынки
К примеру, в случае с выходом Великобритании из Европейского союза, база данных Kensho смогла за считанные секунды предложить наиболее вероятный вариант развития событий, которые последуют за выбором популистов. Система подсказала, что ожидать скорого восстановления фунта стерлингов не стоит. Алгоритм стартапа основывался на данных том, что на протяжении истории популистские устремления всегда оборачивались усиленной продажей национальной валюты, а именно это и началось в первые же дни и месяцы после рокового решения. В июле курс фунта упал до 30-летнего минимума, остановившись на отметке $1,28 за фунт, но позднее немного укрепился до $1,33. Однако падение на этом не закончилось, и фунт побил новый антирекорд, опустившись до $1,22.
Алгоритмы Kensho позволяют просчитывать влияние таких политических событий, как Brexit и выборы в США, на рынки всего за несколько секунд
Когда популистские настроения дошли до американского берега Атлантики, у Kensho опять-таки был наготове подробный анализ происходящего. После выборов доллар США укрепился на 3%, но история вновь показала, что близится массовая продажа американской валюты. В начале 2017 года Kensho пришли к выводу о том, что компании, на которые повлиял рост курса национальной денежной единицы — в большинстве своем, технологические корпорации, — скоро выйдут на сверхприбыли. Так все и вышло: главными победителями по итогам 2017-го оказались технологические гиганты, а больше всех не поздоровилось от этого, разумеется, доллару.
А что алгоритмы Kensho думают о решении Дональда Трампа ввести таможенные пошлины на импортные сталь и алюминий? Хотя некоторые эксперты полагают, что средние и мелкие предприятия от подобной протекционистской политики федеральных властей только выиграют, не стоит у этих компаний ожидать существенного роста фондовых показателей. В действительности на бирже ценных бумаг NASDAQ бал по-прежнему правят технологические конгломераты — несмотря на политику властей, сверхприбыли так и остаются исключительно привилегией данного сектора. Такой анализ Kensho провел, к слову, всего за несколько секунд, в течение которых обработал данные 14 законов о таможенных пошлинах начиная с 1988 года.
Со временем стартап для Goldman Sachs оказался не просто ключом от всех дверей на Уолл-стрит. Чавез и подразделение банка, занимающееся главными направлениями инвестирования, помогли Нэдлеру радикально изменить курс финансовой корпорации. Теперь вместо того, чтобы сосредоточивать все внимание только на торговле ценными бумагами (важная, но относительно небольшая доля крупных банков), алгоритмы системы применяются на всех уровнях Goldman Sachs.
В настоящее время технологии Kensho используются в подразделении по управлению финансовыми активами общим объемом $1,5 трлн. Здесь особый «движок взаимного коррелирования» отслеживает зависимость различных активов от того, почему и насколько они привлекательны для потенциальных инвесторов. Также стартап каждое воскресенье выпускает собственный отчет, в котором приводит данные анализа новостной повестки дня, доходов компаний и изменений экспертных оценок. Открытая архитектура системы позволяет пользователям вносить по своему усмотрению собственные параметры.
Рана Йаред, управляющий директор Goldman Sachs, контролировавшая инвестирование капитала в Kensho, объясняет: «Клиенты Goldman Sachs положительно восприняли систему Kensho, ведь она позволяет пользователю распоряжаться собственными активами без каких-либо посредников и незаметно становится неотъемлемой частью самой бизнес-модели. Наши сотрудники тоже должны просчитывать последствия каждого решения, но с Kensho эти прогнозы становятся во много раз точнее». Сам Дэниел Нэдлер добавляет: «Разработанный нами интеллект на самом деле должен называться не искусственным, а усовершенствованным. Если задуматься, он делает очень заурядные вещи, — которые, тем не менее, принято считать, человеку не под силу, — и делает их в мгновение ока».
Мартин Чавез, занимающий сейчас должность финансового директора Goldman Sachs, посоветовал руководителю стартапа расширить платформу и не ограничиваться одними лишь инвестициями и торговлей ценными бумагами. Таким образом финансовая корпорация могла бы использовать базу данных и мощности машинного обучения для планирования потенциальных капиталовложений гораздо быстрее и эффективнее. Выгоду это принесло бы и корпоративным клиентам инвестиционного банка. Именно эти аспекты стали решающими в сделке с S&P Global.
Богатство будущего
Став частью S&P Global, технологии Kensho будут интегрированы в одну из крупнейших систем данных на Уолл-стрит, которая обслуживает все самые известные американские компании.
Совсем скоро искусственный интеллект стартапа будут использовать повсеместно аналитики рынка облигаций и соответствующие отделы целых предприятий, не говоря уже о более широкой аудитории частных инвесторов.
Дуглас Питерсон, генеральный директор S&P Global заявил: «За очень короткое время интуитивные платформы Kensho, ее сложные алгоритмы и возможности машинного обучения широко себя зарекомендовали на Уолл-стрит и в мире высоких технологий. Этим поглощением мы хотим показать, насколько важно для нас не просто принимать участие в развитии финансовых технологий, а быть его главной движущей силой».
По мнению Нэдлера, для самого стартапа сделка с агентством окажется крайне выгодной. Kensho останется отдельным предприятием, его штаб-квартира будет располагаться, как и раньше, в Кембридже, а название так же будет напоминать о Будде. С другой стороны, уровень связей S&P Global и корпоративный дух финансовой корпорации позволят технологиям Kensho без особых усилий заполучить уйму новых пользователей.
В связке с S&P Global, одной из основных организаций, обрабатывающих финансовые данные, искусственный интеллект Kensho сможет анализировать информацию из новой огромной базы. Нэдлер утверждает: «Сейчас наш стартап переживает качественный рывок, потому что в одночасье мы сможем выстраивать аналитику отталкиваясь от финансовых данных со всего мира, а наша система будет с каждым разом становиться умнее и точнее».
Перевод Антона Бундина
www.forbes.ru
Искусственный интеллект и будущее человечества
Ирина Балманжи
Недавно в «Новой газете» появился обзор нон-фикшн книг 2016 года. Редактор отдела политики Кирилл Мартынов выбрал 10 научно-популярных изданий, «чтение и обсуждение которых помогает прояснить момент, в котором мы живем». В список попала книга американского философа Ника Бострома «Искусственный интеллект». Автор обзора пишет: «Тема развития нейросетей, искусственного интеллекта и автоматизации рабочих мест белых воротничков является ключевой для современной культуры и экономики».
Мы согласны: тема очень важная и серьезная. Поэтому в сегодняшней рубрике «Интеллектуальный час» рассказываем о перспективах появления сверхразумных машин.
Фильмы о киборге-терминаторе популярны во всем мире уже более тридцати лет. В 2015 году на экраны вышла пятая картина из этой серии. Но задумывается ли кто-то из зрителей, что подобное развитие событий не так уж фантастично? Сверхразумные машины действительно могут появиться. Однако вряд ли люди будут способны им противостоять, как в популярном боевике.
Преимущества искусственного интеллекта
Нам очень трудно — если вообще возможно — интуитивно понять, на что способен сверхразум, можно попытаться лишь приблизиться к этому пониманию, взглянув на преимущества, которыми обладает цифровой интеллект. Легче всего оценить плюсы аппаратного обеспечения.
- Скорость вычислительных элементов. Пиковая скорость работы биологических нейронов — около 200 Гц, что на семь порядков медленнее современных микропроцессоров.
- Количество вычислительных элементов. Очевидно, что количество нейронов в биологическом существе ограничено объемом черепа и особенностями метаболизма. В отличие от биологического мозга, компьютерное оборудование масштабируется до гигантских физических размеров. Суперкомпьютеры могут быть размером со склад или даже больше, причем с помощью высокоскоростных кабелей к ним можно подключать дополнительные удаленные вычислительные мощности.
Суперкомпьютер Titan. Источник
- Емкость памяти. Человек способен удерживать в кратковременной памяти не более четырех-пяти блоков информации одновременно. Хотя сравнивать напрямую кратковременную память с оперативной памятью компьютера не совсем корректно, ясно, что конструктивные преимущества цифрового интеллекта позволяют ему иметь рабочую память гораздо большего размера. Это значит, что такой интеллект способен интуитивно схватывать суть сложных взаимоотношений, которые люди могут нащупать лишь при помощи кропотливого труда.
- Надежность, продолжительность жизни, сенсоры, отсутствие чувства усталости и многое другое.
Смогут ли машины думать?
Полагаете, компьютеры никогда не станут умнее людей? Но некоторые программы уже легко побеждают чемпионов мира в интеллектуальных играх. Например, программа «Чинук» еще в 1994 году обыграла действующего чемпиона мира по шашкам, программа TD-Gammon превосходит лучших игроков в нарды, а суперкомпьютер Deep Blue в 1997 году победил чемпиона мира по шахматам Гарри Каспарова.
Тот самый Deep Blue. Сейчас он находится в музее компьютерной истории в Калифорнии. Источник
Вот еще несколько фактов, которые показались бы нашим предкам фантастикой:
- Система «Логик-теоретик» сумела доказать почти все теоремы из второго тома «Оснований математики» Альфреда Уайтхеда и Бертрана Рассела, что демонстрирует способность машины к дедукции и логическим построениям.
- Робот «Трясучка» показал, что машина может продумывать и контролировать свою двигательную активность, когда логическое мышление совмещено с восприятием окружающей действительности.
- Программа ELIZA прекрасно имитирует поведение психотерапевта.
- В середине 1970-х годов программа SHRDLU продемонстрировала, как смоделированный робот в смоделированном мире спокойно манипулирует объемными геометрическими фигурами, не только выполняя инструкции пользователя, но и отвечая на его вопросы.
- В последующие десятилетия были созданы программы, способные сочинять классическую музыку разных жанров, решать проблемы клинической диагностики быстрее и увереннее врачей-стажеров, самостоятельно управлять автомобилями и делать патентоспособные изобретения.
Вряд ли сейчас подобные факты смогут произвести хоть какое-то впечатление. Но это обусловлено тем, что наши представления о стандартах несколько смещены, поскольку мы уже знакомы с выдающимися достижениями в компьютерном мире.
Современные программы все еще далеки от того, что можно назвать сверхразумом. Однако многие ученые уверены: он появится, причем довольно скоро.
Машина-ребенок, эволюция и непрерывное совершенствование
Математик Алан Тьюринг еще в 1950 году высказал мысль о том, что можно использовать обучение как средство развития простой системы: «Почему бы нам, вместо того чтобы пытаться создать программу, имитирующую ум взрослого, не создать программу, которая бы имитировала ум ребенка? Ведь если ум ребенка получает соответствующее воспитание, он становится умом взрослого человека».
Сегодня эта теория представляется самой перспективной: усилия должны быть сосредоточены на создании системы, способной к обучению и работе с неопределенной информацией.
Источник
Тьюринг говорил и о том, что процесс создания искусственного интеллекта будет иметь много общего с эволюцией: «Вряд ли нам удастся получить хорошую „машину-ребенка“ с первой же попытки. Надо провести эксперимент по обучению какой-либо из машин такого рода и выяснить, как она поддается научению. Затем провести тот же эксперимент с другой машиной и установить, какая из них лучше. Существует очевидная связь между этим процессом и эволюцией в живой природе…»
В теории генетическое программирование может привести к появлению разума, сопоставимого с человеческим, даже с большей вероятностью, чем слепая эволюция.
Источник
Здесь необходимо упомянуть еще одну важную концепцию. Если людям удастся создать зародыш искусственного интеллекта, способный к непрерывному самосовершенствованию, то первая версия создаст улучшенную версию самой себя, которая намного умнее оригинальной; улучшенная версия, в свою очередь, начнет трудиться над следующей версией и так далее.
В результате, бесспорно, случится такой «интеллектуальный взрыв», что человеческий разум окажется отброшенным далеко назад. При этом нет гарантий, что искусственный интеллект будет дружелюбным.
Сценарии: медленный, умеренный и быстрый
Если взлет интеллекта с человеческого на сверхразумный произойдет, то он будет развиваться по одному из трех сценариев:
1. Медленный взлет. В этом случае у человечества впереди еще достаточно времени — десятилетия или даже столетия, — чтобы хорошо подумать, как действовать в новых условиях. Мы сможем рассчитать свои ходы и обучить специалистов. Также нам будут доступны последовательное тестирование различных подходов, разработка более совершенных систем безопасности, возможность провести необходимые переговоры.
2. Быстрый взлет. Он случится почти мгновенно — за считанные минуты, часы, дни, — и мы вряд ли сможем хоть как-то среагировать. Скорее всего, мы проиграем, даже не успев осознать, что происходит.
3. Умеренный взлет. Этот вариант предполагает, что у нас будет несколько месяцев или лет. Конечно, мы не сможем проанализировать ситуацию так же хорошо, как при медленном взлете, однако появится шанс правильно отреагировать на перемены.
Если вы думаете, что медленный сценарий — самый правдоподобный, то заблуждаетесь. Скорее всего, мы увидим быстрый взлет искусственного интеллекта.
К чему может привести появление сверхразума
Даже если в программу будут заложены положительные установки, например сделать каждого человека счастливым или предотвратить загрязнение мирового океана, неизвестно, какими способами сверхразум соберется достичь цели и не приведут ли его действия к исчезновению человечества.
Но представим, что искусственный интеллект появился, и мы, несмотря на тревожные ожидания, вполне мирно сосуществуем. В этом предполагаемом будущем работники-машины, более способные и дешевые, чем работники-люди, заменят нас практически во всех профессиях.
Источник
Если и останутся какие-то рабочие места, зарплаты упадут ниже уровня прожиточного минимума. Допустим, при этом люди все еще владеют капиталом. Тогда в целом доход человечества станет огромным, но вряд ли это богатство достанется всем.
Скорее всего, нас ждет нищенское существование, а единственным источником дохода окажутся государственные пособия. Снижение доходов и ряд других обстоятельств приведут нас к тому, что мы регрессируем и будем не в состоянии вести активную жизнь.
Возможно, наше будущее — это мозг, погруженный в специальный контейнер и подключенный к снабжению кислородом и питательными жидкостями, который обслуживают машины и который способен накопить немного денег на воспроизводство путем клонирования себя роботом-техником.
Все эти сценарии довольно угрожающие, но у нас есть одно огромное преимущество: первый шаг все же остается за нами. О роботах и компьютерах, появлении искусственного интеллекта и будущем человечества читайте в книге-предостережении Ника Бострома, профессора кафедры философии в Оксфорде.
Обложка поста отсюдаblog.mann-ivanov-ferber.ru
Будущее искусственного интеллекта - мифы и реальность
Терминатор, Люси, Хэл… Так вы представляете себе искусственный разум? Роб Смит, глава компании Pecabu, ведущей разработки в области ИИ и машинного обучения, в недавней статье на TechCrunch опровергает большинство распространенных стереотипах об умных машинах. Будущее искусственного интеллекта не так страшно, как нам рассказывают в фильмах и романах.
Про искусственный интеллект (ИИ, AI) в последнее время говорят очень много. Достаточно много, чтобы уже в ближайшее время он стал таким же общеупотребительным, но во многом лишенным смысла термином, как «большие данные» или «облако». В общем и целом, я это поддерживаю. Работая над ИИ, я только «за» любое внимание к своей области, которая часто остается за кадром. Однако сейчас в ней гораздо больше дезинформации, чем проверенных фактов.
Общественность в широком смысле в ИИ видит мифического розового единорога от технологии. Неуловимого, сильного, таинственного, опасного и, скорее всего, фальшивого. Пока в научном сообществе идут жаркие дебаты, я могу как минимум точно сказать, чем не является искусственный интеллект.
Прежде всего, ИИ – это не то, чего стоит бояться. Это не мыслящая система SkyNet и даже не злобный красный свет лампы HAL. В основе искусственного интеллекта лежит всего лишь компьютерная программа, достаточно умная для того, чтобы выполнять те задачи, для которых традиционно необходим качественный анализ человеком. Вот и все, совсем не самодостаточная и механизированная машина войны.
Во-вторых, ИИ не живой. Хотя искусственный интеллект способен выполнять задачи, для которых обычно нужен человек, он не является живым существом. У него нет способностей к истинному творчеству, эмоций и желаний, отличных от тех, что мы заложили в программу или они определили в окружающей обстановке. В отличие от того, что мы видим в научной фантастике (ключевое слово – фантастика), у искусственного интеллекта нет стремления заводить друзей, размножаться или заводить маленькую ИИ-семью.
Затем, искусственный интеллект не амбициозен. Правда, что в очень узком контексте ИИ способен думать похожим на человека образом и ставить себе задачи. Но его основная цель и смысл существования определены нами в момент создания. Как любая программа или технология, он имеет заранее установленную роль в нашем обществе. Поэтому искусственный интеллект не может стремиться поработить человечество или править нами как властелин мира.
Далее, ИИ – это не единое целое. Компьютерные программы, включая искусственный интеллект, гораздо лучшие специалисты, чем управляющие. Наиболее вероятный сценарий создания искусственного интеллекта при нашей жизни – с помощью сети под-программ, включающих зрение (компьютерное зрение), язык (NLP), адаптацию (машинное обучение), движение (робототехника) и так далее. ИИ – это не он, не она и даже не оно, ИИ – это они.
Наконец, искусственный интеллект, как и все компьютерные программы, подконтролен человеку. Конечно же, ИИ можно создать с вредоносными целями и вооружить его ядерным или биологическим оружием, но виной тому будет не наука или технология, а мы сами.
Илон Маск, мой личный герой и гений во многих отношениях, неправ в своих последних высказываниях относительно искусственного разума. От отмечает, что ИИ более опасен, чем ядерное оружие, и что человечество может «призвать ИИ-демона». Единственным объяснением этому может быть тот факт, что он уснул под фильм «Терминатор».
В последнее время компании масштаба IBM, Google и Apple разрабатывают приложения следующего поколения, основанные на ИИ, используя небольшие фрагменты кода искусственного интеллекта, чтобы заменить человека при выполнении ряда утомительных, опасных или требующих больших временных затрат задач. Это очень специфические, узко направленные программы, которые способны только улучшить наше общество и не способны никого напугать.
На мой взгляд, мы в десятилетиях от создания такой «сингулярности» ИИ, о которой говорит Маск, и даже тогда его развитие будет ограничено нашими собственными намерениями. И если история нас чему-то и научила, так только тому, что когда придет время ИИ, нужно бояться не его самого, а людей, которые будут стоять за ним.
Источник: http://techcrunch.com/
Поделиться:citytrendy.ru
Искусственный интеллект: будущее цивилизации или ее убийца?
Когда мы произносим фразу «искусственный интеллект», то перед глазами сразу возникают знакомые образы: Терминатор с поднятым вверх пальцем, без раздумий отдающий «жизнь» ради выполнения поставленной задачи; сборник рассказов Азимова «Я, робот» или одноименный голливудский фильм; та самая британская «Машина». Мы часто путаем понятия «робот» и «интеллект», мысленно наделяя ИИ физической оболочкой. Наверное, поэтому в массе своей люди плохо понимают природу беспокойства ученых с мировыми именами, которые с 2010 года регулярно высказываются об угрозе «уничтожения машинами человечества». Какая угроза? Никто ведь еще Терминатора не показал! Но это беспокойство — не чрезмерная реакция или раздувание из мухи слона. Искусственный интеллект (его базовые формы) — это то, с чем люди сталкиваются каждый день. Просто пока не задумываются об этом.
Хороший искусственный интеллект
Давайте разберем несколько примеров использования искусственного интеллекта (включая машинное обучение — метод построения алгоритмов, способных обучаться самостоятельно, без внешней поддержки).
В 2014 году новостное агентство The Associated Press начало использовать технологию автоматического создания финансовых отчетов Wordsmith, разработанную компанией Automated Insights. Программа анализирует финансовые данные, сопоставляет их друг с другом, отмечает ключевые цифры в отчетах компании, а затем переводит все это на человеческий язык. Вы никогда не отличите историю, написанную «машиной», от той, за создание которой отвечал человеком. Хотя, нет, отличите: машина не ошибается и не оставляет в тексте опечаток.
Говорит Джеймс Котеки, один из ведущих специалистов Automated Insights:
Wordsmith пишет тысячи финансовых новостных заметок, которых в противном случае просто не существовало бы. Wordsmith работает со скоростью и масштабом, недоступными человеку. Наша технология позволяет журналистам делать более интересную работу.
При этом Wordsmith постоянно обучается. Как это происходит: выборочно проверяются подготовленные заметки и отмечаются места, которые можно было сделать лучше. Программа принимает во внимание эти правки и перестраивает алгоритм своей работы.
Wordsmith — классический пример машинного обучения, одного из важных шагов на пути к созданию полноценного искусственного интеллекта. Но это — верхушка айсберга. Все эти встроенные подсказки в Word и при наборе текста на смартфоне — также составная часть машинного обучения, постоянно совершенствующая алгоритмы своей работы.
Но Эрик — не единственный профессионал, который рискует потерять работу в ближайшие 15-20 лет. Добавьте к нему водителей, грузчиков, операторов колл-центров и еще сотни профессий, искусственную замену которым пытаются создать десятки компаний, занимающихся вопросами искусственного интеллекта и машинного обучения.
Недавно эту тему на форуме «Открытые инновации», прошедшем в Москве, обсуждали Нуриэль Рубини, один из самых известных экономистов мира, и его коллега из России —Андрей Мовчан. Вот несколько тезисов из их диалога:
- Новая промышленная революция может лишить работы до миллиарда человек.
- Основной удар придется по рабочим, одновременно с этим повысится роль творческих людей: писателей, художников, поэтов.
- В полную силу оценить блага новой технической революции мы сможем не раньше, чем через 30-40 лет после ее начала.
Стоит отметить, что жить человек станет лучше. Благодаря повсеместному внедрению автоматизации уменьшится стоимость продуктов питания и других благ. То есть на то, чтобы жить комфортно, мы станем тратить значительно меньше денег, а значит сможем меньше работать. Двух-трехчасовой рабочий день может стать нормой, все остальное время человек будет посвящать саморазвитию — духовному, интеллектуальному, физическому.
Или нас всех убьют роботы.
Плохой искусственный интеллект
В начале этого года на сайте американского Института будущего жизни (The Future of Life Institute), с которым сотрудничает предприниматель Илон Маск, директор Оксфордского университета будущего человечества (Oxford Future of Humanity Institute) Ник Бостром, профессор генетики Гарвардского университета Джордж Черч и многие другие, появилось открытое письмо, в котором ученые призывают коллег внимательнее отнестись к проблеме будущего искусственного интеллекта. Главный вопрос, который задают ученые: сможет ли человек контролировать машину, получившую разум? Понятно, что пока никто не может ответить на этот вопрос.
Выдержка из открытого письма:
Из-за огромного потенциала искусственного интеллекта важно понять, как использовать его плюсы, избегая подводных камней, кроющихся в этой технологии. Наши ИИ-системы должны делать то, что мы хотим, чтобы они делали.
В этой фразе («Должны делать то, что мы хотим, чтобы они делали) и заключается основная проблема с пониманием будущего искусственного интеллекта. Американский ученый Элиезер Юдковски в своей книге «Искусственный интеллект как позитивный и негативный фактор в глобальных рисках» описывает два возможных сценария поведения искусственного интеллекта (из миллионов), когда мы сможем сказать «да, это интеллект, который не зависит от воли человека»:
- Искусственный интеллект патентует новые изобретения, публикует научные работы, зарабатывает деньги на бирже и возглавляет политические блоки.
- Искусственный интеллект, основываясь на знании истории, науки и технологий, может предугадывать развитие цивилизации на столетия и тысячелетия вперед.
Интересно и то, как современные ученые интерпретируют само понятие «искусственный интеллект». Единого понимания этого термина не существует, зато есть пусть и не до конца принятое, но логичное разделение искусственного интеллекта на три очевидных типа:
- Искусственный ограниченный интеллект (Artificial Narrow Intelligence). Этот тип интеллекта может, к примеру, обыграть вас в карты или шахматы, но если вы спросите у него, съедобна ли почва, то он вам ничего не ответит.
- Искусственный общий интеллект (Artificial General Intelligence). Этот интеллект максимально приближен к человеческому. Он может анализировать данные, общаться с другими «машинами», обучаться.
- Искусственный суперинтеллект (Artificial Superintelligence). Этот интеллект настолько развит, что значительно отличается от человеческого. То есть наш интеллект недостаточно развит, чтобы понимать мотив суперинтеллекта.
На сегодня человечество успешно освоило принципы построения первого типа искусственного интеллекта. Это и автомобили Google, и система Wordsmith, и спутниковая навигация, когда за вас просчитывается наиболее удобный путь от одной точки до другой, и даже Siri, способная распознавать речь. Вся поисковая система Google — это один большой ограниченный интеллект, который, используя принципы машинного обучения, постоянно улучшается — частично без вмешательства со стороны человека.
Поэтому Институт будущего жизни, а также другие научные учреждения и крупные ученые бьют тревогу: мы стоим на пороге феноменального открытия, которое может кардинально поменять нашу жизнь. И думающие люди хотели бы на берегу договориться о правилах игры. Прежде чем будет слишком поздно.
Будущее
Для того чтобы это открытие было совершено, ученым нужно решить несколько важных задач.
Первая — нехватка вычислительной мощности. Есть предположение, что чтобы создать «общий интеллект», его «мощность» должна приблизиться к «мощности» человеческого мозга. Ученые регулярно спорят на эту тему, поэтому абсолютно достоверными данными о «вычислительной мощности» нашего мозга мы не обладаем.
Вторая — копирование паттернов мозговой деятельности. О том, как работает мозг, мы знаем многое, но что из этих знаний является нашими предположениями и допущениями, а что — фактами, увы, часто невозможно определить. Понятно, что если ученые хотят «повторить» человеческий мозг в электронном виде, то должны заложить в систему модель оперирования, характерную для человеческого мозга.
Третья — контроль. Создавая «электронную» личность, мы наивно предполагаем, что сможем через алгоритмы привить ей некий нравственный свод правил, который обезопасит человечество. Это примерно как воспитание ребенка: «это хорошо, а это плохо» — родители постоянно программируют детей, дети постоянно проверяют границы дозволенного. При этом мы знаем, что никакое образование и воспитание не дает стопроцентной гарантии, что ты не вырастишь маньяка или социопата. Могут ли ученые гарантировать, что «электронный» ребенок не свернет с проложенного разработчиками пути?
Если первые два вопроса являются дискуссионными, то третий — классическая «пугалка» как для обывателей, так и для самих ученых. Смогут ли они контролировать «общий интеллект»? Получится ли у них увидеть попытку «общего» интеллекта трансформироваться в «суперинтеллект»? В какой момент (если этот момент настанет) мы утратим контроль над ИИ? Какие задачи поставит перед собой сам ИИ, будет ли среди них — уничтожение человечества?
Cписок для дополнительного чтения по теме:
- Официальный сайт Элиезера Юдковски (неплохой набор статей по теме, английский язык).
- Этические вопросы искусственного интеллекта (внимание: PDF-файл, загрузка начнется автоматически, английский язык).
- Разбор проблем и рисков дальнейшего развития искусственного интеллекта (отличный материал на русском языке).
kanobu.ru
Будущее искусственного интеллекта в играх / Хабр
Перед этим, хотелось бы упомянуть что ИИ в частности обрабатывает такие вещи в играх как:
- перемещение ботов (прямолинейное движение, движение с ускорением и поворотами, движение в группе, движение с учетом физики, прыжки, скоординированное движение в группе, управление работой двигателя в автосимуляторах)
- нахождение пути (алгоритм Дейкстры, алгоритм поиска А*, иерархическое нахождение пути)
- принятие решений (дерево принятия решений, конечные автоматы, нечеткая логика, системы Маркова, целенаправленное поведение, системы основанные на правилах, скриптование)
- обучение (довольно жаркая тема в ИИ, решаемая в данный момент модификацией параметров, предсказанием действий, улучшением принятия решений, улучшением дерева принятия решений, обучением с подкреплением, ну и конечно же искусственными нейронными сетями)
После нескольких часов гугления, вдумчивого чтения, задумчивых взглядов в окно и внятного оформления своего потока сознания, я решил просто представить мнения людей, которые собственно и занимаются ИИ в геймдеве.
Chris Elion (тимлид по AI из Havok): «Первым большим шагом была бы стандартизация основного набора низкоуровневых сервисов для ИИ. Этими сервисами будут такие вещи как высокоскоростная генерация сетки навигации, динамическое отклонение, перемещение персонажа и т.д. Такие сервисы являются достаточно гибкими чтобы пригодиться в ряде игровых жанров, таких как FPS, TPS, MMO, RTS, авто-, мото, авиа- и космические симуляторы и т.д., и будут работать во всевозможных средах, включая полностью динамические окружения или огромные открытые миры.»
«Havok достиг значительного прогресса во взаимодействии низкоуровневого ИИ и динамическим окружением. Некоторые результаты, которые уже доступны разработчикам игр, довольно прикольные. Например, можно увидеть внезапное изменение поведения, когда персонажи не просто двигаются вокруг да около друг друга, но также тусуются рядом с разрушаемой местностью.»
Eric Plante (product manager по анимации персонажей из группы игровых технологий в Autodesk): «Другая потрясающая вещь это связь ИИ с анимацией. Сегодня вы можете найти в онлайн библиотеках и магазинах меш персонажа, вы сможете найти анимации, но вот поведение, а тем более легко настраиваемое поведение — этого не найти.»
Matthew Titelbaum (Monolith): «ИИ системы в будущем помогут игрокам еще более погрузиться в игру. Однако, исходя из опыта при создании игр серии F.E.A.R., игровое ИИ улучшит не человекоподобное поведение NPC, а скорее непредсказуемое поведение.»
«Раньше было приемлимо для ИИ иметь полные сведения об окружении. Теперь у нас есть стимульные и сенсорные системы для более точного моделирования того, о чем может узнать ИИ. Мы также используем планировщики, иерархические конечные автоматы и деревья для поведений.»
Bruce Wilcox (основной инженер-разработчик из Telltale Games): «ИИ в играх развивается не так бурно как хотелось бы, так как усилия разработчиков в основном направлены на графику. Эта ситуация может измениться. В какой то момент игры начнут соревноваться у кого качественнее ИИ. Мы уже видим похоже в Азии, где компании стараются улучшить NPC в их MMOG. Они оптимизировали все что можно в их играх и теперь ищут как бы улучшить ИИ. Даже покупатели Unreal ищут инструменты чтобы улучшить ИИ персонажей.»
Ну и от себя добавлю что было бы неплохо задействовать распознавание речи и выражения лица. А еще интересно было бы почитать от сведущих людей возможности обсчета ИИ с использованием графических процессоров, а также возможность параллельного или распределенного обсчета ИИ, скажем в MMOG.
Касаемо «Будущего компьютерных игр», то я думаю что будущее за MMOG.
ps: перевод слегка вольный…
Использованная литература:www.develop-online.net/features/1427/AI-getting-smarterwww.gamespot.com/features/6283722/the-future-of-ai-in-gameswww.industrygamers.com/news/ai-building-smarter-games«AI Game Engine Programming»
habr.com
Искусственный интеллект – будущее или настоящее?
О пути искусственного интеллекта за последние полвека и о моментах, когда мы его не замечаем, 24 февраля разработчик нейронных сетей Богдан Козловский рассказал на открытой лекции «Искусственный интеллект – будущее или настоящее».
Искусственным интеллектом называли даже калькулятор
Онлайн-переводчик и аркадные игры очень привычны, и неспециалисту странно узнать, что в них используют современный искусственный интеллект. А для специалиста это явное подтверждение того, что ИИ и нейросети развиваются невероятно быстро.
«Понятие «искусственный интеллект» вошло [в обиход] в 1956 году. Хотя его использовали и раньше, применяя к любым программам в компьютере, даже к обычному калькулятору. Искусственный интеллект мог делать вычисления, но сложные закономерности выводить не мог», – говорит практикующий разработчик нейронных сетей и тренер тематического курса ИТ-Академии "БелХард" Богдан Козловский.
Реализовать сложные операции было невозможно. Но уже к 2000 году понятие расширилось, и к искусственному интеллекту, по словам лектора, стали относиться почти как к человеку, требуя столько же. ИИ должен был выявлять закономерности в данных, делать на их основе выводы и решать задачи.
Искусственный ум думает, что чихуахуа – кот
Наши компьютеры стали мощнее, инструменты обработки информации – сложнее. Появилось понятие машинного обучения, к которому есть несколько подходов:
- Логическое программирование – это когда человек уже решил за программу все проблемы. Но в таком случае искусственный интеллект не решит задачу, с которой не сталкивался ранее;
- Агентный способ чаще всего используется в играх. Мы не знаем данных, но знаем мир, в который помещаем искусственный интеллект. Он изучает мир сам, получая награды и штрафные баллы. Например, в гоночных играх машина – это агент, а карта – мир;
- Гибридный подход – это использование двух первых подходов вместе: агент сам учится играть в шахматы и шашки, но в то же время использует логическую программу, которая определяет набор его действий.
Нейросеть можно научить отличать на фото изображения котов и собак, проведя её обучение. Для этого нужен большой массив данных – много фотографий, которые обучаемый разделит на кластеры, в каждом из которых максимально похожие между собой снимки.
«Конечно, когда используют такой алгоритм, всяких чихуахуа она причисляет к котам, а страшных котов – к собакам», – указывает Богдан Козловский на казусы.
Есть и другие способы обучения: обучение с подкреплением и обучение с учителем. Последним способом можно научить машину подсказывать товары в интернет-магазине, определять сумму кредита и стоимость квартиры, различать рукописные цифры.
Мозг не изучен, но нейросети строят по аналогии с ним
Работу нейросетей организуют по аналогии с принципами работы человеческого мозга. Но только с теми, которые уже известны, а это немного:
«Мозг полностью не изучен, – говорит лектор. – Если расстояние до полного изучения сравнить с километрами, то наше научное сообщество прошло всего лишь 3 сантиметра».
Машинное обучение – процесс, подобный созданию новых связей между нейронами. Эти связи возникают, если мы что-то изучаем или запоминаем. Именно от них, а не от количества нейронов зависит уровень интеллекта человека.
Ускорение процесса мышления происходит, когда человек нервничает, и аналогией может послужить тактовая частота у компьютеров. Подтверждением тому служит значительный технологический прогресс во время войн.
«Человеческий мозг – очень мощный и может решать большое количество задач, если только его об этом попросить», – продолжает программист.
Человек отстал от машины в распознавании изображений
Нейросети – это тоже мощный инструмент. Они могут эффективно проложить маршрут, перевести текст, иногда – писать стихи, но не слишком длинные. Нейросети превзошли человека пока только в одном – в распознавании изображений, что важно, например, для военной сферы.
«Машинное зрение более внимательно относится к объектам, чем человек. У американских военных есть такие очки, которые позволяют заметить противника, как бы он не замаскировался. Будучи снайпером, не спрячешься в лесополосе», – говорит Богдан Козловский и рассказывает про ещё один способ использования технологии: очки дополненной реальности.
Такие очки позволяют японским служащим на вокзалах быстро узнать, находится ли тот или иной пассажир поезда в розыске. При помощи же работы с изображениями на компьютере можно «научить» улыбаться человека на фото или надеть ему очки.
Почему Google перестал переводить смешно?
Нейронные сети уже умеют не только делать дословный перевод иностранного текста, но и изучают контекст использования слов через так называемое погружение, тоньше определяя их смысл.
Возможно, кто-то заметил, что с 2016 года Google Translate перестал переводить смешно: именно тогда компания запатентовала собственные результаты работы с рекуррентными нейронными сетями.
«Все теперешние алгоритмы, которые с нами общаются, например, в виде чат-ботов, представим, как некое разумное существо, запертое в комнате. На её полу сложены ответы, а на стенах – алгоритмы, по которым их надо показывать. Погружение слов – та самая технология, которая помогает открыть дверь, тот самый искусственный интеллект, которого мы все ждём… Ну, я жду», – говорит лектор.
Существуют алгоритмы, используя которые, нейросеть может создать множество фотографий несуществующих котят. Бизнес уже сейчас использует эту их способность, чтобы увеличить поток клиентов:
«Люди заказывают для себя положительные комментарии, а поставить это на поток помогают воспитанные нейронные сети. Настраивают бегунок на плохую или хорошую оценку, говорят, о чём писать. Поэтому, когда будете что-то покупать – не обращайте внимания на комментарии или отзывы, – советует специалист. – Вообще использование нейронных сетей ограничено только вашей фантазией. Это в 60-ые годы, когда открыли первый персептрон, он был никому не нужен. А теперь это бизнес».
Выучить английский неврально
Человечество уже справилось с загрузкой интеллекта в виртуальную среду. Правда, пока это только мозг кольчатого червя, состоящий из 302 нейронов (мозг человека состоит из примерно 140 миллиардов). Червь, как и в реальном мире, ищет себе пищу и отдыхает после еды.
«Мы стали на одну ступеньку ближе к погружению человеческого мозга в виртуальную среду, – говорит лектор. – Если мы изучим этот процесс, то сможем, например, загрузить в мозг человека знания по английскому языку. Об этом уже идёт речь, хотя это технология не сегодняшнего дня.
<…> Илон Маск недавно пообещал создать нейроинтерфейс – устройство, соединённое с мозгом, чтобы стали не нужны гаджеты. Если это случится, то, может быть, науку ждут большие потрясения».
О курсе «Искусственный интеллект: машинное обучение и нейронные сети»
Изучить машинное обучение и работу нейросетей можно в ИТ-Академии "БелХард". Сейчас идёт набор на курс, начало которого запланировано на апрель.
Записаться на начальный курс могут все. Попробовать свои силы можно и со знаниями математики 8 класса, хотя чем вы лучше её знаете, тем проще. Школьных уроков информатики достаточно, чтобы освоить язык, на котором ведётся работа – Python.
В группах будет по 10 человек, которые по окончанию занятий получат сертификат.
www.kv.by
что будет с дизайнерами к 2025 году? — Naked Science
Для всех, кто сомневается, что искусственный интеллект вошел в нашу повседневную жизнь, New York Times недавно сообщила, что Университет Карнеги — Меллон планирует создать исследовательский центр, посвященный проблематике этики искусственного интеллекта. Harvard Business Review начал разрабатывать стратегии использования ИИ для менеджмента, а CNBC — анализировать акции перспективных компаний, занимающихся разработкой искусственного интеллекта.
Однако этот краткосрочный всплеск оптимизма не помог мне избавиться от опасений. В этом году моя дочь поступила в колледж, где будет изучать дизайн взаимодействия (обеспечение удобства работы пользователя с веб-страницей, — прим. пер.). Начав исследовать влияние искусственного интеллекта на дизайн, я задумался, что можно посоветовать моей дочери и целому поколению будущих дизайнеров, чтобы помочь им не только сохранить свою значимость для профессии, но и преуспеть в мире ИИ.
И вот к чему, по моему мнению, они должны быть готовы в 2025 году.
Кто угодно сможет стать дизайнером
На сегодняшний день большинство профессий в сфере дизайна требуют креативности и высокого уровня социального интеллекта. Для этого необходимо обладать эмпатией, навыками формулирования проблемных задач, творческого решения проблем, переговоров и убеждения. В первую очередь из-за внедрения искусственного интеллекта все большее число непрофессионалов получат возможность развивать свои креативные способности и социальный интеллект, чтобы повысить конкурентоспособность. И в самом деле, в уже упоминавшейся мной статье Harvard Business Review менеджерам рекомендуется чаще пробовать себя в роли дизайнеров.
Для самих дизайнеров это означает, что не только представителей творческих профессий будут учить использовать в работе категории «дизайнерского мышления». Дизайнеры лишатся (если они когда-то им обладали) неоспоримого статуса «самого творческого человека в компании». Чтобы остаться конкурентоспособными, им придется повышать квалификацию и осваивать междисциплинарные области, что, в свою очередь, может привести к появлению все более экзотических специализаций. Представьте классную комнату, где специализирующийся на «дизайнерском мышлении» инструктор постоянно испытывает новые инструменты взаимодействия для улучшения качества образования. Или дизайнера-главврача, чья задача заключается в изменении процедуры первичной госпитализации, чтобы она стала более эффективной, понятной и способствовала улучшению состояния пациентов. Эту тенденцию можно наблюдать уже сегодня: администрация мэра Сиэттла создала инновационное подразделение, ответственное за поиск решений неотложных проблем. Стратегия работы подразделения заключается в клиентоориентированности дизайна, а в состав команды входят дизайнеры и маркетологи.
Уже более десяти лет Стэндфордская школа дизайна занимается развитием творческого интеллекта у людей без дизайнерского образования. Появляются новые программы подготовки, например «Комплексное проектирование и менеджмент» в Массачусетском технологическом институте. Даже медицинские институты начинают вводить курсы по дизайн-мышлению. Подобные нововведения свидетельствуют о росте востребованности дизайна, однако также позволяют педагогам включать в учебную программу элементы творческого мышления и клиентоориентированного веб-дизайна.
Из творцов в кураторы
Я уже писал о том, как инструменты вроде Autodesk Dreamcathcer используют алгоритмические методы программирования для создания более абстрактного интерфейса. При заданных параметрах, ограничениях, целях и сформулированной проблеме, нуждающейся в решении, указанные программы могут генерировать сотни разновидностей дизайна — дизайнерам останется лишь выбрать наиболее понравившиеся или продолжить менять установки, пока они не получат тот вариант, который их устроит.
Последствия такой схемы разнятся в зависимости от сферы их применения. В архитектуре параметрическое движение, получившее название Parametricism 2.0, наглядно демонстрирует потенциал креативного мышления, подкрепленного соответствующими технологиями. Эффект их применения активно изучается в игровой индустрии, где при помощи алгоритмов создаются виртуальные пространства и крупные виртуальные города. Достаточно взглянуть на игру No Man’s Sky — действие в ней происходит в сгенерированной при помощи алгоритма детерминистской модели открытой Вселенной, насчитывающей квинтиллион (1.81019) планет. Несмотря на то, что No Man’s Sky провалилась как игра, она задала направление, которое рано или поздно станет доминирующим в сфере разработки виртуального контента — роль дизайнера будет сводиться к формулировке задач, параметров и ограничений, за которыми следует проверка и отладка автоматически сгенерированного контента.
Технологии автоматического генерирования сложно назвать чем-то новым, но система глубокого обучения с подкреплением появилась относительно недавно (3–4 года назад) и во многом способствовала росту числа разработок и всплеску энтузиазма в отношении ИИ как дисциплины. Созданная Google компания DeepMind разработала систему искусственного интеллекта Deep Q, использующую для самосовершенствования технологии глубокого обучения с подкреплением при игре на приставке Atari. Со временем система достигла мастерства, позволяющего обнаруживать ранее неизвестные лазейки в играх, доступных для этой приставки.
Однако настоящий прорыв Deep Q и его предшественника AplhaGO — компьютерной программы, играющей в электронную версию настольной игры го, — заключается в том, что ИИ не обладает предметными знаниями или экспертными игровыми навыками. Более того, ему не нужно, чтобы разработчик кодифицировал правила игры. В распоряжении у этих систем лишь визуальный входной сигнал, пульт управления и задача набрать максимальное количество очков. Подобная цель превращает игры в идеальное средство тестирования обучаемости искусственного интеллекта.
Но что происходит с дизайном? Именно на данном этапе в игру вступает куратор. В будущем дизайнеры будут учить свои системы искусственного интеллекта решать проблемы дизайна посредством создания моделей на основе заданных ими параметров. Например, за многие годы работы в сфере здравоохранения Artefact выработала систему, включающую в себя ключевые проблемы дизайна в этой отрасли, необходимые для изменения поведения пациентов. Я вполне могу представить, что однажды у нас будет достаточно информации, чтобы начать менять поведенческие закономерности и поставить перед искусственным интеллектом задачу разработки системы, которая сможет справляться с такими проблемами, как предвзятость подтверждения (склонность человека подтверждать информацию, соответствующую его убеждениям, — прим. пер.) и недостаток эмпатии.
Эпоха мегапопулярных дизайнеров
Поскольку осуществляемое за счет ИИ параметрическое проектирование позволяет дизайнером быстро и относительно легко создавать миллионы вариаций дизайна, продуктивность большинства представителей отрасли будет стремительно возрастать. В будущем наступит момент, когда мы внезапно приобретем способность анализировать внушительное число альтернативных опций в миллионы раз быстрее, чем сегодня. Учитывая повысившуюся продуктивность и усовершенствованные технологии, дизайнерам-самоучкам станет легче создавать отвечающие минимальным требованиям — а может, и превосходящие их — работы, что может повлиять на ценовую политику профессионалов в этой сфере.
Несмотря на то, что число препятствий на пути к обучению и освоению этой профессии уменьшится, скорее всего, суперпрофессионалам ничего не грозит. Мы уже наблюдали похожие тенденции в печатном и графическом дизайне в 90-е годы. Появившиеся настольные издательские системы способствовали вытеснению низшего сектора рынка. Однако благодаря им возрос интерес к продукту индустрии дизайна, что повысило спрос и востребованность лучших представителей профессии. Пока ИИ не удастся изумить нас какими-то новаторскими идеями, успешные профессионалы и инвестирующие в них компании по-прежнемубудут продолжать доминировать на рынке, повышая ценность брендов.
От традиционных к виртуальным формам дизайна
Циники могут заявить, что многие будут сбегать в виртуальную реальность из-за того, что большое количество людей попадает под сокращения из-за перевода ряда функций на системы искусственного интеллекта, что повысит спрос на виртуальные миры, объекты и услуги. Надеюсь, мы сможем избежать этого антиутопического развития событий, но по мере исчерпания возможностей виртуальной, дополненной и смешанной реальности, оно станет следующим рубежом возможностей дизайна.
Возникающие трудности (как обеспечить межличностное взаимодействие в виртуальной реальности, как испытывать переживания и делиться ими) не только носят уникальный для нового пространства характер, но и требуют задействовать креативные навыки и социальный интеллект — качества, из-за которых достаточно сложно поручить этот вид работы системе искусственного интеллекта.
Кроме того, виртуальные миры могут спровоцировать рост спроса на более традиционные разновидности дизайна: архитектуру, внутренний дизайн, дизайн предметов и моду.
От разработки ИИ будет зависеть будущее человечества
Четко изложив свое понимание того, как искусственный интеллект начинает выполнять нашу работу в сфере дизайна, я, возможно, оказал ИИ медвежью услугу, преуменьшив его заслуги перед профессией. Работая вместе, человек и искусственный интеллект могут достичь великолепных результатов, которых они никогда бы не добились в одиночку — достаточно привести пример невообразимых форм Майкла Хансмайера. Эти многогранные формы не могут быть созданы человеком самостоятельно, однако они существуют и могут коренным образом изменить цифровую архитектуру.
Конечно, это лишь один из примеров, но согласитесь: поиск способов активизировать наши креативные способности как личностей и профессионалов обладает несомненной притягательностью. Я вполне могу вообразить себе будущее, где ИИ играет роль личного помощника, снабженного глубоким пониманием нашей мотивации, героев и того, что нас вдохновляет. Они могли бы давать оценку нашей работе, предлагать полезные идеи и способы профессионального самосовершенствования. Мир станет местом, где специальные боты смогут предоставить нам разные точки зрения на проблему и разные подходы к ее решению. Где имитации реальных пользователей тестируют разработанные нами продукты: проверяют их производительность в различных условиях и предлагают коррективы еще до того, как прототип превратится в действующую модель. Где алгоритмы А/В теста (сплит-тест — несколько разных вариантов страницы равномерно чередуются для всех ее посетителей, — прим. пер.) постоянно ищут возможности внести даже микроскопические изменения, чтобы улучшить качество дизайна.
Искусственный интеллект не только не уничтожает веб-дизайн как профессию, но и предоставляет огромные возможности для разработчиков — в особенности тех, кто занимается созданием механизмов взаимодействия с новыми системами ИИ. Как будут создаваться новые системы искусственного интеллекта? Как будут разрабатываться услуги интеллектуальных сетей и платформы будущего? Как создавать эти системы, чтобы способствовать повышению показателей креативности, вовлеченности в реальный мир и человечности? Этот список вопросов к использованию искусственного интеллекта можно продолжать до бесконечности — как и список возможностей, которые он предоставляет нам и грядущим поколениям.
Оригинал статьи на английском доступен по ссылке.
naked-science.ru
