Искусственный интеллект за и против: 10 преимуществ и недостатков искусственного интеллекта |

Содержание

10 преимуществ и недостатков искусственного интеллекта

Искусственный интеллект (ИИ) не принадлежит будущему – он происходит сейчас. Учитывая, что мировой рынок программного обеспечения для искусственного интеллекта вырастет на 154 процента в годовом исчислении, к 2025 году прогнозируется, что эта отрасль будет оценена в 22,6 миллиарда долларов США.

Загрузить программу ВІ

Демонстрации решений

Искусственный интеллект, изобретенный Джоном Маккарти в 1950 году, – это способность машин или компьютерных программ учиться, думать и рассуждать, как человеческий мозг. В систему ИИ поступают данные и инструкции, на основе которых система делает выводы и выполняет функции. Со временем он продолжает изучать человеческое мышление и логику, становясь эффективнее на ходу.

AI везде – будь то автоматический поиск в Google или вождение автомобиля. Искусственный интеллект с его обширным набором технологий позволяет машинам «чувствовать», как человеческий мозг, учиться и действовать.

Конечно, у ИИ есть множество преимуществ и недостатков, которые мы обсудим в этой статье. Перед этим давайте разберемся с основными типами ИИ или сегментами ИИ.

Искусственный интеллект: 4 основных этапа развития

Совершенно необходимо, чтобы ИИ позволил машинам понимать словесные команды, различать изображения и тексты и делать гораздо больше, чем человек. Например, Amazon Alexa, Apple Siri или Google Hello Google. Это классические примеры искусственного интеллекта, который принимает словесные команды и с легкостью их выполняет.

Учитывая скорость, с которой растет машинное обучение, глубокое обучение, программирование на национальных языках, прогнозирующий искусственный интеллект и другие связанные концепции, предсказывать, что однодневные машины будут ходить среди нас, с размахом копируя все человеческое поведение, не является простой галлюцинацией.

Современные системы искусственного интеллекта способны выполнять сложные вычисления с огромной скоростью. Они могут обрабатывать огромные наборы данных и делать точные прогнозы. Искусственный интеллект в основном подразделяется на четыре стадии, учитывая его развитие или совершенствование :

1.Реактивные машины

Это те машины, которые не хранят ни воспоминаний, ни прошлого опыта. Это «реактивный» характер, который реагирует на текущий сценарий. Например, шахматный компьютер IBM Deep Blue победил международного гроссмейстера Гарри Каспарова шесть раз подряд в конце 1990-х годов. Deep Blue умел распознавать фигуры на шахматной доске и знал, как они ходят. Его высокий интеллект позволяет ему предсказывать все возможные ходы противника намного быстрее, чем противник-человек. В результате он мог рассчитывать наиболее оптимальные ходы против каждой возможности.

2.Ограниченная память

Этот тип машины может уйти в прошлое. Классический пример – это беспилотные автомобили, которые могут наблюдать за скоростью и направлением других автомобилей. Эти наблюдения добавляются к запрограммированному представлению мира. Однако эти информационные фрагменты носят временный характер, а не являются постоянными.

3.Теория разума

Этот тип включает машинное обучение, которое пытается воспроизвести весь физический мир – людей, существ, объекты – все, что может думать и испытывать эмоции.

4.Самосознание

Это тот тип, в котором машины будут иметь системы, позволяющие им быть застенчивыми. Эта стадия также является продолжением стадии Теории Разума, на которой машины будут иметь самосознание по «причине». Это выведет машины на совершенно новый уровень интеллекта.

В то время как исследователям ИИ предстоит пройти долгий путь, прежде чем в игру войдут застенчивые машины, нынешние ученые ИИ сосредоточены на оттачивании навыков машинного обучения этих компьютеров. Позволяя машинам реагировать больше, чем люди, с каждым днем становится лучше.

Плюсы и минусы искусственного интеллекта (ИИ)

Преимущества искусственного интеллекта четко видны в виде поддержки чатов с поддержкой AI для брендов, автоматического поиска в поисковых системах, интеллектуальных прогнозов на платформах электронной коммерции и многого другого. Тем не менее, у ИИ есть много недостатков, которые нельзя игнорировать. Ниже приведены основные плюсы и минусы ИИ.

Преимущества искусственного интеллекта

1.Отсутствие человеческой ошибки

Вот почему распространение искусственного интеллекта в различных областях резко возросло. Когда вы можете полностью исключить человеческие ошибки, вы получите точные результаты. Уловка в том, чтобы правильно программировать.

Машины принимают точные решения на основе предыдущей информации, которую они собирают с течением времени при применении определенных наборов алгоритмов. Таким образом, происходит снижение ошибки и повышение точности.

Например, Google недавно поделился в своем блоге AI о методе машинного обучения, который поможет предсказывать погоду. Google будет называть это « прогноз погоды », который предсказывает нулевую погоду на шесть часов раньше времени. Google считает, что, используя меньше данных и простую методологию, они могут более точно предсказывать погоду, особенно в случае таких явлений, как грозы или явления, связанные с осадками.

2.Нулевые риски

Использование машин в задачах, которые могут представлять опасность для человека, может хорошо окупиться. Например, позволяя машинам справляться со стихийными бедствиями, можно быстрее выздороветь и снизить нагрузку на человеческие команды.

Эта идея воодушевлена инициативой Google и Гарварда по разработке системы искусственного интеллекта, которая может предсказывать места подземных толчков землетрясения. После изучения более 131 000 землетрясений и афтершоков ученые протестировали эту нейронную сеть на 30 000 событий. По сравнению с традиционными методами, он показал большую точность в определении мест афтершоков.

3.Круглосуточная доступность

Очевидно, что машины не устают. Машины могут работать бесконечно, без перерывов, и им даже не надоедает повторять одно и то же, в отличие от человека.

В ноябре прошлого года Google анонсировал контактный центр AI для предприятий, чтобы улучшить качество обслуживания клиентов. Это классический пример системы телефонной линии с поддержкой искусственного интеллекта, позволяющей предприятиям постоянно реагировать на запросы и проблемы клиентов и решать их в приоритетном порядке для повышения качества обслуживания клиентов.

Точно так же Amazon Lex, чат-бот, разработанный для колл-центра Amazon, способен вести интеллектуальные беседы по человеческим запросам. Он использует ту же технологию, что и Amazon Alexa, то есть распознает намерения звонящего, задает соответствующие дополнительные вопросы и дает ответы. Эти чат-боты доступны круглосуточно, обслуживая клиентов по всему миру и легко меняют часовые пояса.

4.У машин ИИ нет эмоций

У машин нет эмоций ну, если вы не Читти, робот, который, честно говоря, сбил меня с толку своей одержимостью главной героиней Саной]. Этот единственный атрибут машин с поддержкой AI может помочь вам более стабильно справляться с жалобами клиентов.

Представьте себе, что какая-то функция в вашем программном обеспечении не работает, внезапно причиняя неудобства вашим пользователям. Они обязательно будут собирать билеты, пинговать вашу поддержку в чате и писать электронные письма. Часто люди пытаются «поговорить вживую», вместо того чтобы ждать ответа по электронной почте или тикетов.

А теперь представьте, что на принимающей стороне находится человек, который полностью понимает проблемы и изо всех сил пытается решить сотни запросов. В какой-то момент этот человек сломается. Скорее всего, чаты могут пойти наперекосяк с точки зрения чувствительности языка.

Однако с системой чата с поддержкой AI такой критической точки не возникает. Клиенты могут отправлять любое количество странных запросов, у вашего чат-бота есть заранее подготовленные ответы, которые он будет продолжать показывать в соответствии с его оценкой запроса.

Это определенно один из самых безопасных способов справиться с такими сценариями, потому что машины ничего не чувствуют. Они будут анализировать только слова, использованные в запросе, сопоставляя их с предварительно введенной информацией и давать соответствующие ответы.

5.AI-машины могут быстро принимать решения

Использование искусственного интеллекта и других технологий может помочь создавать машины, которые могут принимать решения на основе данных намного быстрее, чем люди.

Зачем доверять решениям машины?

Просто – он лишен каких-либо эмоций и предвзятых взглядов. Когда человек принимает решение, во многом это обусловлено эмоциями. С другой стороны, машина очень практична и рациональна в своем подходе. Это обеспечивает более точное и ориентированное на результат принятие решений.

Например, суперкомпьютер IBM Deep Blue принимает решения, основываясь на всех вероятностях, возможных со стороны противника. Человек не может постичь столько вероятностей за один присест, как машина.

Недостатки искусственного интеллекта

6.Машины с ИИ несут большие затраты

Глядя на сложность, с которой справляется машина с поддержкой ИИ, логично, что инициативы, основанные на ИИ, могут оказаться тяжелыми для карманов. Создание машины, которая может имитировать человеческую логику и рассуждения, требует много ресурсов и времени, что делает его довольно дорогостоящим.

7.Машинам не хватает творчества

Проблема с машинами в том, что они работают как запрограммировано. Хотя искусственный интеллект сделал машины способными учиться со временем, они не могут научиться мыслить нестандартно. Машина всегда будет анализировать ситуацию с точки зрения предварительно введенных данных и прошлого опыта. Машине сложно подойти к делу творчески.

Один из классических примеров – отчеты о доходах Forbes. Для написания этих отчетов Forbes использует бота Quil. Эти отчеты представляют собой факты и данные, которые предварительно загружаются в бот. Forrester прогнозирует, что такой контент, управляемый ботами, может заменить 16 процентов рабочих мест в США к 2025 году, но это дискуссионная тема.

Проблема с этой статьей, написанной ботами, заключается в том, что в ней отсутствует человеческое отношение, в отличие от других статей Forbes. Творческий подход к объяснению событий и вариантов использования при написании статьи отсутствует, когда это делает машина.

Эта аналогия подводит нас к следующему указателю.

8.Машины с ИИ могут убить рабочие места

ИИ заменяет большинство повторяющихся задач ботами. Потребность во вмешательстве человека снижается, поскольку предприятия стремятся к более безошибочной и безопасной работе. Добавьте к этому; машины приносят с собой скорость. Это привело к потере многих рабочих мест, которые когда-то были широко распространены. Рабочие роли, такие как простой ввод данных или общение с клиентами в первой точке взаимодействия, то есть поддержка чата, теперь обрабатываются ботами, которые могут делать это более эффективно и круглосуточно.

А Т горя-годичное исследование McKinsey предположил, что к 2030 году роботы заменят по крайней мере, 30 процентам человеческого труда, то есть почти 400 до 800 миллионов рабочих мест, что потребует 375 миллионов людей на работу коммутатора.

Это огромно и страшно.

9.Временами никакие эмоции не могут отпугнуть

Хотя это одно из ключевых преимуществ искусственного интеллекта, это также недостаток искусственного интеллекта. Машины не могут связываться с людьми, потому что у них нет эмоций или сочувствия. Хотя машинное обучение и НЛП помогли брендам наладить начальную поддержку клиентов через чат-системы с ботами, им по-прежнему требуется, чтобы в какой-то момент вмешался человек крови и плоти, чтобы решить текущую проблему.

Если все это оставить ботам, качество обслуживания клиентов по всему миру ухудшится. Боты могут выполнять начальное касание. Если запрос клиентов решается с помощью предварительно загруженных руководящих документов, отлично. В противном случае бот автоматически поднимает заявку, чтобы человек мог отслеживать ее вручную.

Иногда бот не может понять вашу болевую точку, потому что вы не управляете ею эмоционально. Вам всегда понадобится человеческое ухо, чтобы делать что-то.

10.Машины с ИИ не понимают этики

Еще одна человеческая особенность, которую сложно встроить в машину, – этика. В машине отсутствует мораль, ее также трудно спроектировать и передать с помощью технологий. Искусственный интеллект может помочь предприятиям сократить время, необходимое для выполнения монотонной задачи, но ожидать, что машина будет следовать этическим ценностям, так же расплывчато, как рисовать эскизы на воде.

Это человеческая черта, и я могу добавить, эксклюзивная.

Резюме — Преимущества искусственного интеллекта

Если присмотреться, недостатки искусственного интеллекта заключаются исключительно в том, что машины с ИИ не являются людьми. Если суммировать все преимущества и риски искусственного интеллекта, я бы сказал, что машины способны выполнять задачи с большей скоростью, с большей точностью и за меньшее время. Но мы все еще можем быть достаточно далеки от того дня, когда машины начнут проявлять эмоции, как мы, люди.

ИИ может временно заменить несколько рабочих ролей, но в целом он увеличит глобальную производительность, и потребность в людях всегда будет. Из истории мы можем провести некоторые параллели с тем, как изобретение паровых машин изменило ручную рабочую силу и привело к промышленной революции.

Несмотря на это, важность искусственного интеллекта и его влияние на мировые отрасли неоспоримы. С каждым днем он растет не по дням, а по часам, чтобы автоматизировать повседневные задачи, оставаясь при этом гибким и обеспечивающим устойчивость бизнеса.

Почитать еще

Введение в анализ временных рядов

Хотя для анализа данных используются все многочисленные передовые инструменты и методы, такие как наука о

История развития моделей данных

Итак, прыгайте на борт и наслаждайтесь путешествиями во времени наших попыток справиться с временностью в

Машинное обучение

Глубокое обучение – это продвинутая форма машинного обучения. Глубокое обучение относится к способности компьютерных систем, известных

Правила эффективного прогнозирования

Интуиция очень важна. С ее помощью было создано большое количество хороших прогнозов. Но нужно всегда

Выборка. Типы выборок

Суммарная численность объектов наблюдения (люди, домохозяйства, предприятия, населенные пункты и т.д.), обладающих определенным набором признаков

Обзор самых популярных алгоритмов машинного обучения

Существует такое понятие, как «No Free Lunch» теорема. Её суть заключается в том, что нет

Обзор основных видов сегментации

Загрузить программу ВІ Демонстрации решений Аналитика бизнеса Оглавление Сегментация бренда Сегментация помогает принимать более эффективные

Алгоритмы машинного обучения

В одной из статей мы познакомились с основами машинного обученияи, хотя кратко, но очень лаконично, мы

Полное руководство по анализу текста

Напоминание – это количество правильных результатов, разделенное на количество результатов, которые должны были быть возвращены. Загрузить

Читайте о всех решениях

Какие бы задачи перед Вами не стояли, мы сможем предложить лучшие инструменты и решения

Смотреть

Несколько видео о наших продуктах

Страх человека перед машиной-творцом зародился не вчера и не позавчера, а пару столетий назад — когда началась механизация и автоматизация производства и работники заводов стали совершать разрушительные набеги на оборудование. С тех пор технологии шагнули далеко вперед и стали неотъемлемой частью нашей жизни — но страх перед ними никуда не делся. По просьбе Правила жизни Иван Сорокин проследил историю взаимоотношений «человек — машина» с 1800-х по настоящее время — от аналитической машины Чарльза Бэббиджа до бума дипфейков.

«Лос-Анджелес, ноябрь 2019». Если с датой прибытия в 2015 год Марти Макфлая из «Назад в будущее» по какой-то причине случилось много накладок и фальстартов, то фэндом «Бегущего по лезвию» оказался более дисциплинированным: в начале ноября 2019-го как по команде ленты соцсетей погрузились в ностальгию по теперь уже ретровзгляду на наше настоящее, каким оно могло бы быть. Билборды «Атари» и неуклюжие интерфейсы, дождливая Калифорния, возвращение причесок и платьев из сороковых — ну и, конечно, андроиды, почти неотличимые от людей. Несмотря на многие упущения в предсказании будущего, «Бегущий по лезвию» очень верно отразил тот постоянно нарастающий за последние лет сорок дискомфорт, что характеризует отношения человека и вычислительных машин (что во многом и определяет неубывающую актуальность фильма). Откуда мы на самом деле знаем, что мы умнее компьютера? Как жить, когда тебя целиком заменяет технология? Что если нас всех можно свести к алгоритмам?

Вопросы, еще не так давно лежавшие в умозрительной плоскости, становятся максимально приземленными: недавно стало известно, что компания Тимура Бекмамбетова Screenlife Technologies находится в активной фазе разработки русскоязычного синтезатора голоса Vera Voice (подобные технологии, позволяющие нейросети «говорить» голосом знаменитостей на английском, уже существуют и используются).

Без работы рискуют остаться не только актеры: нейросети уже умеют писать простые тексты, генерировать узоры и мелодии, вести вполне осмысленные диалоги, коммуницировать с другими нейросетями. В ближайшие годы многим из нас придется всерьез задумываться над сменой профессии и над тем, насколько большую часть своей жизни мы готовы отдать на откуп искусственному интеллекту. К счастью, к осмыслению этих вопросов нас очень хорошо подготовила популярная наука, популярная философия и в целом поп-культура XIX, XX и XXI веков: страх перед машиной-творцом — это, кажется, естественное состояние человека и многие технологические достижения в равной степени подпитывали его и помогали его преодолеть.

Растущая механизация производства тканей и текстильных изделий приводит к падению дохода английских ткачей и вязальщиков (на их невзгоды накладывается общее падение благосостояния в стране в связи с наполеоновскими войнами). В Ноттингемшире, где сосредоточено много подобных производств, заговорщики по ночам встречаются на торфяниках и планируют разрушительные атаки на станки; затем эта практика распространяется по всей Англии. Своим духовным предводителем они считают некого Неда Ладда — героя, впоследствии оказавшегося мифическим, но давшего движению луддитов название. В действиях движения слились воедино недовольство экономическим положением и падением уровня качества товаров, страх перед неизбежным наступлением будущего и кризис экзистенции — все то, что характеризует и нынешний страх перед искусственным интеллектом. Слово «неолуддит» до сих пор используется как страшное ругательство, сообщающее о том, что собеседник недалек и необразован, — при этом о неиллюзорных классовых причинах восстания предпочитают не вспоминать.

Чарльз Бэббидж описывает аналитическую машину — первый компьютер, обладающий полнотой по Тьюрингу (то есть подобный всем современным компьютерам). Бэббидж в итоге не смог раздобыть достаточно денег, чтобы соорудить свой механизм, так что он не построен по исходным схемам и по сей день. Это не помешало Аде Лавлейс в 1843 году придумать первую современную программу, которая могла бы работать на таком компьютере, и таким образом стать первой программисткой в истории.

Рассматривая артефакты, обнаруженные на затонувшем рядом с островом Антикитера древнеримском корабле, археолог Валериос Стаис обращает внимание на один из «камней»: внутри него находятся шестеренки. Стаис предполагает, что механизм предназначался для предсказания затмений и положения небесных тел, но ему никто не верит: остальные артефакты на корабле датированы примерно I веком до нашей эры, и до 1902 года никаких астрономических механизмов той эпохи никто не находил. О механизме забывают до середины пятидесятых годов XX века, когда несколько ученых подтверждают его природу и датировку. С тех пор так называемый антикитерский механизм, сравнимый по сложности с устройствами XIV века нашей эры, стал для кого-то символом неверия человечества в собственные способности, а для кого-то — знаком о визите инопланетян. Как бы то ни было, механизм показывает, что математическое и механическое мышление очень высокого уровня было доступно нашим далеким предкам — и они передавали часть его машинам. Легенды об оживающих статуях из древнегреческих и древнеегипетских мифов обретают плоть и подпитывают конспирологию искусственного интеллекта.

Выходит пьеса чешского драматурга Карела Чапека R.U.R. (Rossumovi Univerzální Roboti), она же «Универсальные роботы Россума». Опираясь на античные мифы об автоматонах, на легенду о Прометее, на иудейскую концепцию големов, на теорию Сэмюэла Батлера об эволюции сознания у машин и, разумеется, на главного литературного предшественника всех рассказов о разумных механизмах — роман Мэри Шелли «Франкенштейн», — Чапек почти единолично придумывает современную художественную концепцию «робота», искусственного полуразумного слуги (справедливости ради, у Чапека это организмы, а не механизмы). Весьма характерно, что первая же история о роботах заканчивается полным уничтожением человечества. В 1923 году выйдет первая постановка на английском, а слово с простым славянским корнем закрепится в большинстве языков мира. Кроме того, блестящие металлические костюмы из фильма Фрица Ланга «Метрополис» 1927 года, созданного с явной оглядкой на R.U.R., на долгие годы определят внешний облик большинства роботов на экране.

Химик, популяризатор науки и великий писатель Айзек Азимов в рассказе «Хоровод» формулирует базовые принципы не только существования искусственного интеллекта, но и написания сюжетов о нем. Они известны как «Три закона робототехники»:

Деконструкция законов Азимова в научной фантастике активно началась уже в 1950-е, когда «робот-убийца» стал тропом в фильмах категории Б, постепенно перекочевавшим и в высокобюджетные кинокартины. Современные истории об искусственном интеллекте либо полностью игнорируют эти законы, либо модифицируют их так, чтобы сделать возможным существование воинственных роботов. Несмотря на это, специалисты в области искусственного интеллекта и сейчас продолжают ориентироваться на технооптимистические и просциентистские позиции Азимова.

Как утверждает физик Эдвин Томпсон Джейнс в своей книге «Теория вероятности: Логика науки», в 1948 году математика и физика Джона фон Неймана на лекции спросили, может ли машина думать, на что он в запале ответил следующее: «Вы утверждаете, что есть вещи, которые машина не может выполнить. Если вы мне укажете точно, что же именно не способна сделать машина, я всегда смогу построить такую машину, которая сможет сделать именно вот это!» Будто комментируя это высказывание, два года спустя математик, программист и герой войны Алан Тьюринг в статье предлагает одну из ключевых концепций искусственного интеллекта — тест Тьюринга, активно использующийся и по сей день (пусть и в модифицированном виде, пусть и его критика звучит все активнее). Отличить компьютер от человека Тьюринг предлагал следующим образом: задать вопрос (исключительно письменно) и получить ответ как от человека, так и от машины. Если человек, получающий ответы на свои вопросы, не может понять, где ему отвечает человек, а где — искусственный разум, то тест пройден. Сцены, основанные на прохождении или непрохождении теста Тьюринга, есть в нескольких дюжинах научно-фантастических фильмов, романов и сериалов. Выдуманный «тест Войта-Кампфа» из «Бегущего по лезвию» фактически является вариацией теста Тьюринга, где следователь задает ключевые вопросы и следит за реакцией подозреваемого. Как и во многих других случаях, отрицательный результат теста приводит к агрессии и жестокости.

В Дартмутском колледже проходит конференция, где впервые официально использовано словосочетание «искусственный интеллект». Почти все ее участники на долгие годы вперед определяют не только моду в кибернетике, развившейся из сомнительной новомодной области сороковых в полноценную науку, но и конкретно в разработке искусственного разума. Так, Марвин Минский консультировал Артура Кларка при написании сценария фильма «2001» — одного из самых известных сюжетов об искусственном интеллекте, намеренном убивать людей (в честь Марвина назван и один из персонажей, Виктор Каминский).

Психолог Фрэнк Розенблатт, уверенный в том, что машины можно обучать так же, как животных, тестирует самообучающийся электронный механизм Перцептрон — первый прототип нейросети. В шестидесятые и семидесятые пионерские труды Розенблатта были отчасти высмеяны и забыты — в том числе вышеупомянутым Минским. Некоторые эксперты считают, что игнорирование нейросетей как концепции затруднило развитие искусственного интеллекта на годы, а то и десятилетия: в поп-культуру нейросети полноценно вошли только в 2010-е, когда на рынки вышли самообучающиеся графические приложения и чат-боты.

Джозеф Вейценбаум создает ELIZA — первого чат-бота в современном понимании. Программа ELIZA, названная в честь героини «Пигмалиона» Элайзы Дулитл, была в состоянии вести полноценный диалог с достаточно большим набором фраз и соблюдением грамматики английского языка. Несмотря на явные достижения, работы над подобными проектами были впоследствии закрыты в целом ряде исследовательских институтов: к концу шестидесятых оказалось, что изначальные прогнозы о скорости развития искусственного интеллекта были излишне оптимистичными (мол, успехи в «разгадке» основанных на логике настольных игр — все, на что стоит надеяться ИИ в ближайшие годы). На влиятельность ELIZA это впрочем не повлияло: похожий интерфейс Джордж Лукас использовал в своей дебютной полнометражке «THX 1138», а экран с выбором диалоговых опций стал источником вдохновения для целого ряда ранних видеоигр, включая, скажем, Zork. Напрямую восходит к ELIZA и генеалогия голосовых ассистентов (которые тоже зачастую носят «женские» имена: Алекса, Кортана, Алиса).

На рынке появляются первые лисп-машины — специальные компьютеры, приспособленные для экспертных систем, способных анализировать большое число данных и выдавать возможный вариант решения для конкретной ситуации. Фактически это первое массовое применение концепции big data в повседневной жизни: экспертные системы работали со скоростью, принципиально невозможной для людей, анализирующих то же количество сигналов. Системы заработали в медицине, кризисном менеджменте, борьбе с катастрофами, анализе безопасности производств и так далее. Деньги возвращаются в искусственный интеллект: теперь в нем заинтересованы не только военные ведомства и большие правительства, но и частные компании. Логичным образом большим хитом в 1983 году становится фильм-катастрофа о сломавшейся экспертной системе — «Военные игры» (паника по поводу человеческих жизней, доверяемых компьютерам, пересекается с паникой по поводу излишнего увлечения видеоиграми).

Уже в 1995 году автомобиль Дикманса был способен доехать от Мюнхена до датского Оденсе и обратно, развивая на автобане скорость до 175 км/ч. В девяностые предсказания беспилотного будущего были гораздо более радужными, чем сейчас: в частности, стартапы вроде Uber рассчитывали на массовое внедрение беспилотных автомобилей уже в начале 2020-х. Однако препятствия в видеораспознавании всё еще существуют: в 2018 году была зарегистрирована первая смерть пешехода под колесами автономного автомобиля (и это был как раз автомобиль, принадлежащий Uber).

Первая половина девяностых — эпоха киберпанка в книгах, кино и видеоиграх. Соответственно, сюжеты о порабощении человечества роботами и компьютерами становятся абсолютным мейнстримом (начиная примерно с «Терминатора-2», где главный антагонист — это обретшая самосознание военная нейросеть Skynet). В новостях тоже можно услышать апокалиптические ноты — особенно в обсуждении победы суперкомпьютера Deep Blue над Гарри Каспаровым. Шахматы долгое время были священным Граалем искусственного интеллекта: если побеждать человека в нарды ИИ научился еще в 1979 году, а программа, успешно играющая в шашки, стала первым примером искусственного интеллекта в истории (в зависимости от определения это датируется либо 1952, либо 1956 годом), то шахматы, отличающиеся большей вариативностью и непредсказуемостью (а также вполне себе выступающие как символ интеллектуальности как таковой), не давались компьютеру довольно долго. Но и это прошло: фотографии грустного Каспарова обошли все СМИ.

Небольшой, но очень назойливый бум роботов-игрушек (в первую очередь похожих на гремлинов Furby и хай-тек-собак Aibo). Игрушки нельзя программировать в полноценном смысле этого слова, но они действительно обучаются (в случае Фёрби — языку, в случае Айбо — движениям) и начинают выполнять команды. Это совпадает со сменой парадигмы в изображении ИИ в кино: роботы больше не враги и не чудовища (и даже не комические персонажи в духе «Короткого замыкания»). Мелодраматические «Двухсотлетний человек» и «Искусственный интеллект» дружно переосмысляют и перепридумывают роль роботов в обществе как полноценных участников, пусть и со своими особенностями: вернуться к концепции «доброго слуги» напрямую уже никак не получится. Ну, по крайней мере, с теми роботами, которые напоминают людей или животных: случившийся чуть позже бум роботов-пылесосов показывает, что в отсутствие антропо- и зооморфизма мы всё еще испытываем ограниченную эмпатию к роботам.

Выходит фильм (мультфильм? заставка к игре, но без игры?) Final Fantasy: The Spirits Within, срежисcированный создателем одноименной серии РПГ Хиронобу Сакагути и по-прежнему считающийся одним из лучших примеров того, что такое «зловещая долина» (когда искусственное изображение человека слишком сильно похоже на него, чтобы не считать это абстракцией, но недостаточно сильно, чтобы принять изображение за живое существо). Фильм разорит киноотдел компании Square, но подарит нам интересную дискуссию о природе «цифровой актрисы» Аки Росс и ее постерах в бикини (все эти обсуждения объективации 3D-моделей получат новую силу в 2010-х, с большим распространением VR-порнографии и вопросами прав роботов на неприкосновенность).

«Первой виртуальной группой» часто называют Gorillaz, но это всё же пример классических музыкантов, скрытых за мультипликационным фасадом. Хацунэ Мику (имя можно перевести, как «первый звук будущего») — это уже совсем другое дело: певица, которой как бы нет и, строго говоря, быть не может. Первый и самый известный из вокалоидов, японских плагинов для синтеза голоса, обладает мультипликационным аватаром, собственными песнями и внушительной фан-базой. Это, конечно, не первый прецедент поющего компьютера (помимо прочего, здесь стоит вспомнить великий российский проект 386 DX и его каверы на гитарную классику), но самый известный и самый значимый: в этот момент продюсеры по всему миру резко поняли, что заменить можно не только создателей мелодий, но и певцов.

Один из хедлайнеров важнейшего мейнстримового фестиваля Coachella — голограмма (ну, точнее, видеопроекция). Не фигурально, а вполне буквально: убитый в 1996 году Тупак Шакур «воскрес» в совместном концерте со Снупом Доггом и Доктором Дре (потом они даже планировали поехать в тур, но в итоге Дре решил, что это лишнее). Сомнительное с этической точки зрения «воскрешение» Тупака привело к возвращению его альбомов в чарты и ускорению совершенствования подобных технологий: уже в вышедшем в 2016 году фильме «Изгой-один» умерший в 1994 году Питер Кушинг, восстановленный в виде 3D-модели, играл довольно значимую роль.

Дальше — больше: в 2020 году должен выйти фильм «В поисках Джека», где одну из главных ролей играет Джеймс Дин, погибший в 1955 году. Тем временем основанный в России стартап Replika продолжает работу над созданием нейросетей, способных имитировать речевые и лексические особенности погибших людей.

Выходит FakeApp, первая коммерческая программа для домашнего изготовления так называемых дипфейков, где голос или лицо одного человека совмещаются с телом и лицом другого человека, так что на экране можно наблюдать видеогибрид, аналог вышеупомянутого «цифрового воскрешения» или превращение одного лица в другое. Разумеется, первым делом эта технология используется для изготовления поддельной порнографии со знаменитостями (по некоторым подсчетам, это более чем 95 % всех дипфейков). Тут как тут и банковские махинации с видео и голосом, а заодно и фальшивые видео, порочащие политических оппонентов (одно такое видео, со спикером Нэнси Пелоси, ретвитнул официальный аккаунт Дональда Трампа). Буквально про это последние несколько лет говорит Славой Жижек: «Для меня главный вопрос — и это вопрос без ответа — как подобные технологии повлияют на наше восприятие самих себя. Будем ли мы восприниматься как свободные живые существа — или же нами будут управлять цифровые автоматы. И ключевой момент заключается в следующем: мы даже можем не узнать, что они нами управляют».

Он сказал: « Каждый аспект обучения или любое другое свойство интеллекта в принципе можно описать настолько точно, что можно создать машину для его имитации. Будут предприняты попытки найти, как заставить машины использовать язык, формировать абстракции и концепции, решать проблемы, которые сейчас остаются за людьми, и улучшать себя. ’

Искусственный интеллект — это способность компьютерной программы учиться и думать. Все можно считать искусственным интеллектом, если оно включает в себя программу, делающую что-то, что, как мы обычно думаем, полагается на интеллект человека.

Фраза « человеческая ошибка » родилась потому, что люди время от времени совершают ошибки. Однако компьютеры не совершают этих ошибок, если они правильно запрограммированы. При использовании искусственного интеллекта решения принимаются на основе ранее собранной информации с применением определенного набора алгоритмов. Таким образом, ошибки уменьшаются, и появляется возможность достижения точности с большей степенью точности.

Это одно из самых больших преимуществ искусственного интеллекта. Мы можем преодолеть многие опасные ограничения людей, разработав робота с искусственным интеллектом, который, в свою очередь, может делать опасные вещи за нас. Будь то полет на Марс, обезвреживание бомбы, исследование самых глубоких уголков океана, добыча угля и нефти, его можно эффективно использовать при любых природных или техногенных катастрофах.

Пример: Вы слышали о Чернобыль 9?0004 л взрыв АЭС в Украине? В то время не было роботов с искусственным интеллектом, которые могли бы помочь нам свести к минимуму эффект радиации, контролируя огонь на ранних стадиях, поскольку любой человек, приблизившийся к ядру, погибал в считанные минуты. В конце концов, они высыпали песок и бор с вертолетов с небольшого расстояния.

Среднестатистический человек будет работать 4-6 часов в день без перерывов. Люди устроены таким образом, что у них есть время, чтобы освежиться и подготовиться к новому рабочему дню, и у них даже есть еженедельные выходные, чтобы оставаться в гармонии со своей работой и личной жизнью. Но с помощью ИИ мы можем заставить машины работать 24×7 без перерывов и даже не скучать, в отличие от людей.

В нашей повседневной работе мы будем выполнять много повторяющихся работ, таких как отправка писем с благодарностью, проверка определенных документов на наличие ошибок и многое другое. Используя искусственный интеллект, мы можем продуктивно автоматизировать эти рутинные задачи и даже удалить « скучных 9».0004» задач для людей и освободить их для творчества.

Пример: В банках мы часто видим множество проверок документов для получения кредита, что является повторяющейся задачей для владельца банка. Используя AI Cognitive Automation, владелец может ускорить процесс проверки документов, от чего выиграют как клиенты, так и владелец.

Некоторые высокоразвитые организации используют цифровых помощников для взаимодействия с пользователями, что снижает потребность в человеческих ресурсах. Цифровые помощники также используются на многих веб-сайтах, чтобы предоставлять то, что хотят пользователи. Мы можем поговорить с ними о том, что мы ищем. Некоторые чат-боты спроектированы таким образом, что становится сложно определить, с кем мы общаемся: с чат-ботом или с человеком.

Пример: Все мы знаем, что в организациях есть группа поддержки клиентов, которая должна разъяснять сомнения и запросы клиентов. Используя ИИ, организации могут настроить голосового бота или чат-бота, который поможет клиентам со всеми их запросами. Мы видим, что многие организации уже начали использовать их на своих веб-сайтах и в мобильных приложениях.

Используя ИИ вместе с другими технологиями, мы можем заставить машины принимать решения быстрее, чем человек, и быстрее выполнять действия. Принимая решение, человек будет анализировать множество факторов как эмоционально, так и практически, но машина с искусственным интеллектом работает на том, что она запрограммирована, и быстрее выдает результаты.

Пример: Все мы играли в шахматы в Windows. Почти невозможно превзойти процессор в сложном режиме из-за искусственного интеллекта, стоящего за этой игрой. Он сделает наилучший возможный шаг за очень короткое время в соответствии с используемыми алгоритмами.

Пример: Около 20 лет назад, когда мы собирались куда-то отправиться, мы спрашивали дорогу у человека, который уже был там. Но теперь все, что нам нужно сделать, это сказать « OK Google , где Вишакхапатнам». Он покажет вам местоположение Вишакхапатнама на карте Google и лучший путь между вами и Вишакхапатнамом.

Поскольку ИИ обновляется каждый день, аппаратное и программное обеспечение должно обновляться со временем, чтобы соответствовать последним требованиям. Машины нуждаются в ремонте и обслуживании, которые требуют больших затрат. Его создание требует огромных затрат, так как это очень сложные машины.

Поскольку ИИ заменяет большинство повторяющихся задач и других работ роботами, вмешательство человека становится меньше, что вызовет серьезную проблему в стандартах занятости. Каждая организация стремится заменить людей с минимальной квалификацией роботами с искусственным интеллектом, которые могут выполнять аналогичную работу с большей эффективностью.

Нет сомнений в том, что машины работают намного лучше, когда речь идет об эффективной работе, но они не могут заменить человеческую связь, которая создает команду. Машины не могут установить связь с людьми, что является важным атрибутом, когда дело доходит до управления командой.

Машины могут выполнять только те задачи, для которых они предназначены или запрограммированы, все, что выходит за рамки этого, имеет тенденцию к сбою или дает нерелевантные результаты, которые могут быть основным фоном.

Вот некоторые преимущества и недостатки искусственного интеллекта. Каждое новое изобретение или прорыв будут иметь и то, и другое, но мы, люди, должны позаботиться об этом и использовать положительные стороны изобретения для создания лучшего мира. Искусственный интеллект имеет огромные потенциальные преимущества. Ключ для людей гарантирует, что « восстание роботов » не выйдет из-под контроля. Некоторые люди также говорят, что искусственный интеллект может уничтожить человеческую цивилизацию, если попадет не в те руки. Но все же ни одно из приложений ИИ, сделанных в таком масштабе, не способно уничтожить или поработить человечество.

Искусственный интеллект, или ИИ, сейчас повсюду. По правде говоря, основы искусственного интеллекта и машинного обучения существуют уже давно. Первой примитивной формой ИИ был автоматизированный бот для шашек, созданный Кристофером Стрейчи из Манчестерского университета в Англии в 1951 году.

Некоторые из самых популярных приложений ИИ включают разработку автономных транспортных средств, программного обеспечения для распознавания лиц, виртуальных помощников, таких как AMZN от Amazon.
Alexa и AAPL от Apple
Siri и огромное количество промышленных приложений во всех отраслях, от сельского хозяйства до игр и здравоохранения.

Люди прекрасны. Действительно, мы классные. Но мы не идеальны. Проведя несколько часов перед экраном компьютера, мы можем немного устать, стать немного неряшливыми. Нет ничего, что бы не исправили обед, кофе и прогулка вокруг квартала, но это случается.

Даже если мы бодры в начале дня, нас может немного отвлекать то, что происходит дома. Может быть, мы переживаем тяжелый разрыв, или наша футбольная команда проиграла прошлой ночью, или кто-то подрезал нас в пробке по дороге на работу.

Эти упущения могут привести к ошибкам. Ввод неправильного числа в математическом уравнении, пропуск строки кода или в случае тяжелых рабочих мест, таких как фабрики, более серьезные ошибки, которые могут привести к травме или даже смерти.

Для повторяющихся задач это делает их намного лучшими работниками, чем человека. Это приводит к меньшему количеству ошибок, меньшему времени простоя и более высокому уровню безопасности. Все они большие плюсы в нашей книге.

Это важная задача для нас в Q.ai. Люди просто не могут сравниться с ИИ, когда дело доходит до анализа больших наборов данных. Для человека, чтобы просмотреть 10 000 строк данных в электронной таблице, потребуются дни, если не недели.

Правильно обученный алгоритм машинного обучения может анализировать огромные объемы данных за невероятно короткое время. Мы широко используем эту возможность в наших инвестиционных наборах, при этом наш ИИ просматривает широкий спектр исторических данных об акциях и рыночных показателях и данных о волатильности и сравнивает их с другими данными, такими как процентные ставки, цены на нефть и многое другое.

Затем ИИ может улавливать закономерности в данных и предлагать прогнозы того, что может произойти в будущем. Это мощное приложение, которое имеет огромное значение для реального мира. С точки зрения управления инвестициями это меняет правила игры.

Но это еще не все розы. Очевидно, что использование ИИ и машинного обучения для выполнения задач имеет определенные недостатки. Это не означает, что мы не должны стремиться использовать ИИ, но важно понимать его ограничения, чтобы мы могли правильно его реализовать.

ИИ основывает свои решения на том, что произошло в прошлом. Таким образом, по определению он не очень подходит для поиска новых или новаторских подходов к решению проблем или ситуаций. Во многих отношениях прошлое является очень хорошим ориентиром относительно того, что может произойти в будущем, но оно не будет идеальным.

Нам все еще нужно сообщить нашему ИИ, на какие наборы данных смотреть, чтобы получить желаемый результат для наших клиентов. Мы не можем просто сказать: «Давай, генерируй прибыль». Нам нужно предоставить ИИ инвестиционную вселенную, а затем указать параметры, по которым точки данных делают «хорошие» инвестиции в рамках данной стратегии.

Некоторые виды использования ИИ вряд ли повлияют на работу людей. Например, искусственный интеллект для обработки изображений в новых автомобилях, который позволяет автоматически тормозить в случае потенциальной аварии. Это не замена работы.

Важно помнить, что ИИ в его текущей версии стремится заменить опасную и повторяющуюся работу. Это освобождает людей для выполнения работы, которая предлагает больше возможностей для творческого мышления, что, вероятно, принесет больше удовлетворения.

Технология искусственного интеллекта также позволит использовать изобретения и множество вспомогательных средств, которые помогут работникам быть более эффективными в своей работе. В целом, мы считаем, что искусственный интеллект в долгосрочной перспективе полезен для рабочей силы, но это не значит, что в промежутке между ними не будет проблем с ростом.

ИИ чисто логический. Он принимает решения на основе предустановленных параметров, которые не оставляют места для нюансов и эмоций. Во многих случаях это положительно, поскольку эти фиксированные правила являются частью того, что позволяет анализировать и прогнозировать огромные объемы данных.

В свою очередь, очень сложно включить в алгоритм такие области, как этика и мораль. Результаты алгоритма настолько хороши, насколько хороши параметры, установленные его создателями, а это означает, что внутри самого ИИ есть место для потенциальной предвзятости.

Представьте себе, например, случай с автономным транспортным средством, которое попадает в потенциальную ситуацию дорожно-транспортного происшествия, где оно должно выбирать между съездом со скалы или наездом на пешехода. В такой ситуации наши инстинкты возьмут верх. Эти инстинкты будут основываться на нашем личном опыте и истории, и у нас не будет времени на сознательные размышления о наилучшем образе действий.

Мы используем ИИ во всех наших инвестиционных наборах для регулярного анализа, прогнозирования и ребалансировки. Отличным примером является наш комплект Global Trends Kit, который использует искусственный интеллект и машинное обучение для прогнозирования эффективности ряда различных классов активов с поправкой на риск на предстоящую неделю.

Наш алгоритм делает прогнозы каждую неделю, а затем автоматически перебалансирует портфель в соответствии с тем, что, по его мнению, является наилучшим сочетанием риска и доходности на основе огромного количества исторических данных.

Инвесторы могут продвинуть ИИ на шаг вперед, внедрив защиту портфеля. При этом используется другой алгоритм машинного обучения для анализа чувствительности портфеля к различным формам риска, таким как нефтяной риск, процентный риск и общий рыночный риск. Затем он автоматически реализует сложные стратегии хеджирования, направленные на снижение риска снижения портфеля.