Когда будет создан искусственный интеллект: Когда будет создан «искусственный» интеллект, аналогичный мозгу человека?

Google создает «настоящий» искусственный интеллект. Что он будет уметь

ПО
Бизнес
Цифровизация
Электроника
Техника

02 Ноября 2021 09:5402 Ноя 2021 09:54

|

Поделиться

В компании Google ведутся разработки проекта Pathways, новой архитектуры нейронных сетей, которые
смогут выполнять сразу множество разных задач и осваивать новые.

Многозадачность для нейронных сетей

Google
занимается разработкой проекта, связанного с искусственным интеллектом, в
рамках которого будут созданы нейросети «следующего поколения», способные
запоминать «тысячи и миллионы различных задач». Проект получил название Pathways.

На сегодняшний день
нейросети тренируют, как правило, на выполнение какой-то одной задачи.
Например, если нейросеть используется для исправления ошибок в написании слов,
то, если ее перетренировать на поиск грамматических ошибок, она забудет, как
исправлять орфографические.

«Примерно так сегодня
тренируются большая часть моделей машинного обучения. Вместо того, чтобы
расширять существующие модели для обучения новым задачам, мы тренируем новые
модели с нуля — для выполнения одной-единственной задачи, — написал в блоге
компании ее вице-президент Джефф Дин
(Jeff Dean). — Как следствие, мы
вырабатываем тысячи моделей для тысяч индивидуальных задач. В результате
обучение новой задаче не только занимает больше времени, но и требует больше данных…».

Google разрабатывает архитектуру ИИ следующего поколения

В Google указывают, что архитектура Pathways призвана изменить это: нейросети вполне можно
натаскивать на выполнение множества разных задач, считают в компании.

Идея состоит в том, чтобы
обучать будущие системы ИИ сразу множеству навыков, которые та могла бы
использовать и комбинировать для того, чтобы самостоятельно обучаться
выполнению новых задач.

«Мы хотели бы иметь
возможность тренировать модель так, чтобы она могла не только выполнять сразу
несколько различных задач, но также использовать и комбинировать уже
выработанные навыки для обучения новым задачам — быстрее и эффективнее, —
написал Дин. — В частности, то, что модель узнает, обучаясь одной задаче,
например, то, как по авиационным фотоснимкам выявлять возвышенности ландшафта,
может помочь выполнению другой задачи — прогнозированию того, как по данной
местности будут протекать потоки воды. Мы хотим, чтобы модель имела различные
возможности, которые можно было бы использовать по мере надобности, и которые
можно было бы комбинировать для выполнения новых, более сложных задач. Это
небольшой шаг к тому, как мозг млекопитающих обобщает разные задачи».

Идея леопарда

В Google также указывают, что Pathways позволит реализовать мультимодальные модели,
которые будут способны обрабатывать и понимать входящие визуальные, акустические
и языковые данные — все одновременно. Так, чтобы когда машина имела дело со
словом «леопард» или слышала, как кто-то произносит это слово, или
анализировала видеозапись с изображением бегущего леопарда, реакция была бы одинаковой
во всех трех случаях: машина распознавала бы идею леопарда.

Как «Тинькофф» проводит встречи и обучает 20 000 сотрудников ежемесячно

Импортозамещение ВКС

Еще одной проблемой, с
которой Pathway
должен будет помочь справиться, заключается в том, что сегодняшние модели
машинного обучения предполагают задействование всех нейроузлов сети, вне
зависимости от того, насколько простой или сложной является задача. В Google полагают, что можно
добиться «разреженной» активации, то есть, направлять новые задачи лишь на
отдельные массивы нейроузлов. Такой подход еще и куда менее энергозатратен.

Концепция разреженной
нейросети уже применена в проектах Google Switch Transformer, модели для понимания естественного языка, и Gshard. Они потребляют всего
лишь одну десятую энергии, которую пришлось бы расходовать на более
традиционную нейросеть, где активируются все нейроузлы разом.

В будущем Google ожидает, что Pathways приведет к созданию
нейросетей, способных выполнять миллионы различных задач, проводить обобщения
между ними, комбинировать их по мере надобности, понимать различные типы данных
и работать с ними более эффективно, чем любая сегодняшняя сеть. Целью проекта
является переход «от эры однозадачных моделей, которые просто распознают
паттерны, к многозадачным интеллектуальным системам, которые отражают более
глубинное понимание нашего мира и могут адаптироваться к новым потребностям».

«Заявленная цель выглядит
исключительно амбициозной, — полагает Георгий
Лагода, заместитель генерального директора группы компаний “Программный продукт”.
— Но у Google вполне могут быть ресурсы для ее
реализации. Современные подходы к созданию и обучению нейросетей действительно
стоило бы оптимизировать, но это потребует радикального пересмотра существующих
архитектур».

Искусственный интеллект помог сохранить редкий язык

Инновации для промышленности

По мнению Лагоды, если идею,
предложенную Google, удастся реализовать, это будет существенным шагом в направлении
подлинного искусственного интеллекта, который сможет не только обучаться, но и
создавать для себя новую методологию обучения. На сегодняшний день таких систем
не существует.

• В каком ЦОД разместить оборудование Colocation? Найти ответ на ИТ-маркетплейсе Market.CNews

Роман Георгиев

Искусственный интеллект: между мифом и реальностью

Могут ли машины стать умнее, чем люди? Нет, считает Жан-Габриэль Ганасия: это всего лишь миф, навеянный научной фантастикой. В своей статье он напоминает об основных этапах развития этой отрасли науки, о достижениях современной техники и об этических вопросах, все больше требующих к себе внимания.

Жан-Габриэль Ганасия

 

Искусственный интеллект (ИИ) – это отрасль науки, официально увидевшая свет в 1956 году на летнем семинаре в Дартмут-колледже (Хановер, США), который организовали четверо американских ученых: Джон Мак-Карти, Марвин Мински, Натаниэль Рочестер и Клод Шеннон. С тех пор термин «искусственный интеллект», придуманный, вероятнее всего, с целью привлечения всеобщего внимания, стал настолько популярен, что сегодня вряд ли можно встретить человека, который никогда его не слышал. С течением времени этот раздел информатики развивался все больше, а интеллектуальные технологии в последние шестьдесят лет сыграли важную роль в изменении облика мира.

Однако популярность термина «искусственный интеллект» во многом объясняется его ошибочным толкованием – в частности, когда им обозначают некую искусственную сущность, наделенную разумом, которая якобы в состоянии конкурировать с людьми. Эта мысль из области древних легенд и преданий, звучащая как миф о Големе, с недавних пор реанимируется такими нашими современниками, как британский физик Стивен Хокинг (1942-2018 гг.), американский предприниматель Илон Маск и американский инженер Рэй Курцвейл, а также сторонниками создания так называемого сильного или общего ИИ. Не будем, впрочем, говорить о данном понимании этого термина, ибо оно скорее представляет собой появившийся под влиянием научной фантастики продукт богатого воображения, а не осязаемую научную реальность, подтвержденную опытами и эмпирическими наблюдениями.

Для Джона Мак-Карти и Марвина Мински, как и для прочих организаторов летнего семинара в Дартмут-колледже, ИИ изначально представлял собой область науки, занимающейся компьютерным моделированием различных способностей интеллекта, идет ли речь об интеллекте человеческом, животном, растительном, социальном или филогенетическом. В основе этой научной дисциплины лежит предположение о том, что все когнитивные функции, как то обучение, мышление, расчет, восприятие, память, даже научное открытие или художественное творчество, могут быть описаны с точностью, дающей возможность запрограммировать компьютер на их воспроизведение. На протяжении более чем шестидесяти лет существования ИИ не появилось ничего, что позволило бы неоспоримо доказать либо опровергнуть гипотезу, которая продолжает оставаться открытой и побуждает ученых к новым изобретениям.

ЭНИАК – первый программируемый электронный цифровой вычислитель.

История взлетов и падений

За короткое время своего существования ИИ претерпел многочисленные изменения. В истории его развития можно выделить шесть этапов.

◼️ Период пророчеств

Поначалу, под влиянием первых успехов, исследователи позволяли себе несколько опрометчивые заявления, которые впоследствии неоднократно ставились им в упрек. Так, например, в 1958 году американец Герберт Саймон, позже ставший лауреатом Нобелевской премии по экономике, заявил, что если бы машины допускались к международным соревнованиям, то в ближайшие десять лет они стали бы чемпионами мира по шахматам.

◼️ Мрачные времена

Прогресс замедлился в середине 1960-х годов. В 1965 году десятилетний мальчик одержал в шахматном матче победу над компьютером; в 1966 году в докладе, подготовленном по заказу Сената Соединенных Штатов Америки, говорилось о внутренних ограничениях, присущих машинному переводу. Около десяти лет пресса отзывалась об ИИ неодобрительно.

◼️ Семантический ИИ

Исследования не прекратились, но пошли в новых направлениях. Ученые заинтересовались психологией памяти, механизмами понимания, которые они пытались имитировать на компьютере, и ролью знаний в мыслительном процессе. Это привело к появлению значительно развившихся в середине 1970-х годов методов семантического представления знаний, а также к созданию экспертных систем, названных так потому, что для воспроизведения мыслительных процессов в них использовались знания квалифицированных специалистов. В начале 1980-х годов на экспертные системы возлагались большие надежды в связи с широкими возможностями их применения, например, для медицинской диагностики.

◼️ Неоконнекционизм и машинное обучение

Технические усовершенствования позволили разработать алгоритмы машинного обучения (Machine Learning), благодаря которым компьютеры смогли накапливать знания и автоматически перепрограммироваться на основе собственного опыта.

Такие интеллектуальные системы стали применяться для выполнения самых различных задач (идентификация отпечатков пальцев, распознавание речи и т. д.), а комбинации различных методов из области ИИ, информатики, искусственной жизни и других дисциплин использовались для создания гибридных систем.

◼️ От ИИ до интерфейсов «человек – машина»

С конца 1990-х годов ИИ стали объединять с робототехникой и интерфейсом «человек – машина» с целью создания интеллектуальных агентов, предполагающих наличие чувств и эмоций. Это привело, среди прочего, к появлению нового исследовательского направления – аффективных (или эмоциональных) вычислений (affective computing), направленных на анализ реакций субъекта, ощущающего эмоции, и их воспроизведение на машине, и позволило усовершенствовать диалоговые системы (чат-боты).

◼️ Возрождение ИИ

С 2010 года мощность компьютеров позволяет сочетать так называемые большие данные (Big Data) с методами     глубокого обучения (Deep Learning), которые основываются на использовании искусственных нейронных сетей. Весьма успешное применение во многих областях (распознавание речи и изображений, понимание естественного языка, беспилотный автомобиль и т.д.) позволяет говорить о возрождении ИИ.

Симуляция электрической активности нейронов крысы (2015 г. ) в рамках проекта Blue Brain Project (BBP), входящего в европейский проект по изучению мозга человека Human Brain Project (HBP).

Применение

Многие результаты, достигнутые с использованием технологий ИИ, превосходят человека: в 1997 году компьютер одержал победу над действующим в то время чемпионом мира по шахматам, а недавно, в 2016 году, другие компьютеры обыграли лучших в мире игроков в го и покер. Компьютеры доказывают или помогают доказывать математические теоремы; автоматически, на основе методов машинного обучения и с помощью огромных массивов данных, объем которых исчисляется в терабайтах (10 в 12-й степени) и даже в петабайтах (10 в 15-й степени), создаются знания.

Методы машинного обучения позволяют одним автоматам распознавать устную речь и записывать ее подобно секретарям-машинисткам прошлых лет, а другим – точно идентифицировать лица или отпечатки пальцев среди десятков миллионов других и обрабатывать тексты, написанные на естественных языках. Благодаря этим же методам самостоятельно движутся автомобили, компьютеры лучше врачей-дерматологов диагностируют меланомы по фотографиям родинок, сделанных с помощью сотовых телефонов, роботы воюют вместо людей; а конвейеры на заводах все больше автоматизируются.

Ученые также прибегают к этим методам для определения функций биологических макромолекул, в частности белков и геномов, исходя из последовательности их компонентов – аминокислот для белков и оснований для геномов. В целом, во всех науках наблюдается серьезный эпистемологический разрыв, обусловленный качественным отличием экспериментов in silico – получивших такое название потому, что выполняются на основе больших данных с помощью мощных процессоров с кремниевыми чипами – от экспериментов in vivo (на живой ткани) и особенно in vitro (в стеклянных пробирках и чашках Петри).

Самообучающиеся интеллектуальные системы широко применяются практически во всех сферах, особенно в промышленности, банковском деле, страховании, здравоохранении и обороне. Многие рутинные процессы теперь можно будет автоматизировать, что преобразит наши профессии и, в конечном итоге, устранит некоторые из них.

Этические риски

ИИ подразумевает не только рациональный анализ и воспроизведение при помощи компьютеров большинства аспектов интеллекта – может быть, лишь за исключением юмора. Машины значительно превышают наши когнитивные способности в большинстве областей, что заставляет нас опасаться некоторых этических рисков. Это риски трех видов: дефицит работы, которая вместо людей будет выполняться машинами; последствия для независимости человека и, в частности, для его свободы и безопасности; опасения, что более «умные» машины будут доминировать над людьми и станут причиной гибели человечества.

Однако при ближайшем рассмотрении становится очевидно, что работа для людей не пропадает, а трансформируется, требуя новых навыков. Точно так же независимость человеческой личности и ее свобода не подвергаются неминуемой опасности из-за развития ИИ – при условии, однако, что мы останемся бдительными перед лицом вторжения технологий в частную жизнь.

И наконец, в противоположность некоторым утверждениям, машины не несут в себе экзистенциального риска для человечества, поскольку их автономия носит лишь технический характер и в этом смысле не соответствует цепочкам материальной причинности, идущим от информации к принятию решений. Кроме того, машины не самостоятельны в моральном плане, и потому, даже если иногда они сбивают нас с толку и вводят в заблуждение своими действиями, они все же не обладают собственной волей и подчиняются тем целям, которые мы перед ними ставим.

Фото: Макс Агилера-Хеллвег

Искусственный интеллект — Что это такое и почему это так важно

Что это такое и почему это так важно

Искусственный интеллект (ИИ) позволяет компьютерам обучаться на собственном опыте, адаптироваться к задаваемым параметрам и выполнять те задачи, которые раньше были под силу только человеку. В большинстве случаев реализации ИИ — от компьютерных шахматистов до беспилотных автомобилей — крайне важна возможность глубокого обучения и обработки естественного языка. Благодаря этим технологиям компьютеры можно «научить» выполнению определенных задач с помощью обработки большого объема данных и выявления в них закономерностей.

Клиенты обсуждают технологии искусственного интеллекта и машинного обучения

Посмотрите это видео и узнайте о тенденциях в области машинного обучения и искусственного интеллекта от клиентов SAS и экспертов в сфере ИИ, а также об их прогнозах по дальнейшему развитию технологий искусственного интеллекта.


В банковской сфере ИИ действительно помогает повысить качество обслуживания клиентов: мы формируем для них актуальные предложения в нужное время и используем правильный канал коммуникации

Пьер Монтанье (Pierre Montagnier)
директор по потребительскому маркетингу, отдел аналитики и моделирования
Bank of Montreal


История развития искусственного интеллекта

Термин «искусственный интеллект» появился в 1956 году, но настоящей популярности технология ИИ достигла лишь сегодня на фоне увеличения объемов данных, усовершенствования алгоритмов, оптимизации вычислительных мощностей и средств хранения данных.

Первые исследования в области ИИ, стартовавшие в 50-х годах прошлого века, были направлены на решение проблем и разработку систем символьных вычислений. В 60-х годах это направление привлекло интерес Министерства обороны США: американские военные начали обучать компьютеры имитировать мыслительную деятельность человека. Например, Управление перспективных исследовательских проектов Министерства обороны США (DARPA) выполнило в 70-х годах ряд проектов по созданию виртуальных уличных карт. И специалистам DARPA удалось создать интеллектуальных личных помощников в 2003 году, задолго до того, как появились Siri, Alexa и Cortana.

Эти работы стали основой для принципов автоматизации и формальной логики рассуждений, которые используются в современных компьютерах, в частности, в системах для поддержки принятия решений и умных поисковых системах, призванных дополнять и приумножать возможности человека.

Хотя в научно-фантастических фильмах и романах ИИ зачастую изображают в виде человекоподобных роботов, захватывающих власть над миром, на данном этапе развития технологии ИИ совсем не такие страшные и далеко не такие умные. Напротив, развитие искусственного интеллекта позволяет этим технологиям приносить реальную пользу во всех отраслях экономики. Ниже описаны примеры использования технологий искусственного интеллекта в здравоохранении, розничной торговле и других областях.

1950s–1970-е

Нейросети

Первые разработки в области нейросетей вызвали ажиотаж в связи с возможностью создания «мыслящих» машин.

1980s–2010-е

Машинное обучение

Становятся популярными технологии машинного обучения.

Настоящее время

Глубокое обучение

Прорывы в сфере глубокого обучения привели к расцвету технологий ИИ.

В чем заключается важность искусственного интеллекта?

• ИИ позволяет автоматизировать повторяющиеся процессы обучения и поиска за счет использования данных. Однако ИИ отличается от роботизации, в основе которой лежит применение аппаратных средств. Цель ИИ — не автоматизация ручного труда, а надежное и непрерывное выполнение многочисленных крупномасштабных компьютеризированных задач. Такая автоматизация требует участия человека для первоначальной настройки системы и правильной постановки вопросов.
• ИИ делает существующие продукты интеллектуальными. Как правило, технология ИИ не реализуется как отдельное приложение. Функционал ИИ интегрируется в имеющиеся продукты, позволяя усовершенствовать их, точно так же, как технология Siri была добавлена в устройства Apple нового поколения. Автоматизация, платформы для общения, боты и «умные» компьютеры в сочетании с большими объемами данных могут улучшить различные технологии, которые используются дома и в офисах: от систем анализа данных о безопасности до инструментов инвестиционного анализа.
• ИИ адаптируется благодаря алгоритмам прогрессивного обучения, чтобы дальнейшее программирование осуществлялось на основе данных. ИИ обнаруживает в данных структуры и закономерности, которые позволяют алгоритму освоить определенный навык: алгоритм становится классификатором или предикатором. Таким образом, по тому же принципу, по которому алгоритм осваивает игру в шахматы, он может научиться предлагать подходящие продукты онлайн. При этом модели адаптируются по мере поступления новых данных. Обратное распространение — это метод, который обеспечивает корректировку модели посредством обучения на базе новых данных, если первоначальный ответ оказывается неверным.
• ИИ осуществляет более глубокий анализ больших объемов данных с помощью нейросетей со множеством скрытых уровней. Несколько лет назад создание системы обнаружения мошенничества с пятью скрытыми уровнями было практически невозможным. Все изменилось с колоссальным ростом вычислительных мощностей и появлением «больших данных». Для моделей глубокого обучения необходимо огромное количество данных, так как именно на их основе они и обучаются. Поэтому чем больше данных, тем точнее модели.
• Глубинные нейросети позволяют ИИ достичь беспрецедентного уровня точности. К примеру, работа с Alexa, поисковой системой Google Search и сервисом Google Photos осуществляется на базе глубокого обучения, и чем чаще мы используем эти инструменты, тем эффективнее они становятся. В области здравоохранения диагностика раковых опухолей на снимках МРТ с помощью технологий ИИ (глубокое обучение, классификация изображений, распознавание объектов) по точности не уступает заключениям высококвалифицированных рентгенологов.
• ИИ позволяет извлечь максимальную пользу из данных. С появлением самообучающихся алгоритмов сами данные становятся объектом интеллектуальной собственности. Данные содержат в себе нужные ответы — нужно лишь найти их при помощи технологий ИИ. Поскольку сейчас данные играют гораздо более важную роль, чем когда-либо ранее, они могут обеспечить конкурентное преимущество. При использовании одинаковых технологий в конкурентной среде выиграет тот, у кого наиболее точные данные.

WildTrack and SAS: Saving endangered species one footprint at a time.

Flagship species like the cheetah are disappearing. And with them, the biodiversity that supports us all. WildTrack is exploring the value of artificial intelligence in conservation – to analyze footprints the way indigenous trackers do and protect these endangered animals from extinction.

Искусственный интеллект в настоящее время

ИИ в каждой отрасли


Загляните в больницу и розничный магазин, работающие на основе технологий искусственного интеллекта, познакомьтесь с говорящей системой аналитического прогнозирования. В этой статье из журнала Harvard Business Review рассматриваются ситуация на рынке ИИ, вопросы подготовки персонала в сфере ИИ, а также рассказывается, почему не следует ругаться при Siri.


Прочитать обзор


Усовершенствование маркетинговой аналитики

Сейчас в сфере маркетинга происходит настоящая революция, связанная с применением средств аналитики и ИИ. Узнайте, как автоматизировать предложения в режиме реального времени, как получать больше данных для повышения точности таких предложений, как понять, чего хотят клиенты, и многое другое.


Прочитать обзор


Интеграция ИИ в вашу программу аналитики


Для эффективного использования ИИ необходимо, чтобы стратегия его применения соответствовала вашим основным бизнес-целям, поэтому всегда важно учитывать вопросы взаимодействия людей, процессов и технологий.


Прочитать обзор


Как отличить рекламную шумиху от реальности?


По словам Оливера Шабенбергера (Oliver Schabenberger), исполнительного вице-президента и главного технического директора SAS, технология ИИ помогает сделать компьютеры более «умными», а не захватывает мир.


Прочитать пост в блоге


Как используется искусственный интеллект?

Функционал ИИ широко востребован во всех отраслях, особенно это касается вопросно-ответных систем, которые могут применяться при оказании правовой помощи, поиске патентов, оповещении о рисках и в медицинских исследованиях. Прочие возможности применения ИИ представлены ниже.

Здравоохранение


Технологии ИИ могут применяться в персонализированной медицине и при расшифровке рентгеновских снимков. Персональные медицинские помощники могут напоминать пользователям, что нужно принять лекарство, выполнить физические упражнения или перейти на более здоровый режим питания.

Ритейл


ИИ помогает совершать покупки онлайн с индивидуально подобранными рекомендациями, а также дает возможность продавцам обсуждать покупки с клиентами. Кроме того, технологии ИИ могут оптимизировать процессы управления товарными запасами и размещения товара.

Промышленность


ИИ может анализировать данные IoT с производственного участка, получаемые от подключенного оборудования, и прогнозировать загрузку и спрос с помощью рекуррентных сетей — особого вида сетей глубокого обучения, используемых для работы с последовательными данными.

Спорт

Тренеры получают отчеты со снимками с камер и показателями датчиков о том, как лучше организовать игру, в том числе как оптимизировать расстановку игроков и стратегию.

Каковы проблемы в сфере применения искусственного интеллекта?

Технологии искусственного интеллекта способны изменить любые отрасли, но их возможности не безграничны.

Главное ограничение ИИ заключается в том, что обучение возможно только на основе данных, другими способами — невозможно. Это означает, что любые неточности в данных отразятся на результатах. А новые уровни прогнозирования или анализа необходимо добавлять отдельно.

Современные системы ИИ заточены под выполнение четко определенных задач. Система, предназначенная для игры в покер, не сможет раскладывать пасьянсы или играть в шахматы. Система, настроенная на выявление мошенничества, не сможет водить машину или предоставлять правовую помощь. Более того, система ИИ, предназначенная для выявления мошенничества в сфере здравоохранения, не сможет с той же степенью точности выявлять махинации с налогами или претензиями по гарантиям.

Другими словами, эти системы характеризуются очень узкой специализацией. Они предназначены для выполнения одной конкретной задачи, и им далеко до многозадачности человека.

Кроме того, самообучающиеся системы не являются автономными. Образы технологий ИИ, которые мы видим на экранах телевизоров и кинотеатров, по-прежнему являются элементами фантастики. Тем не менее компьютеры, способные анализировать сложные данные для освоения и совершенствования конкретных навыков, уже не редкость.

SAS

^® Visual Data Mining and Machine Learning

Использование ИИ становится проще, когда есть единое комплексное решение, позволяющее подготовить данные для анализа, создать модели с помощью алгоритмов машинного обучения и интегрировать инструменты текстовой аналитики. Кроме того, вы сможете создавать проекты, сочетая SAS с другими языками программирования, включая Python, R, Java и Lua.


Бесплатная пробная версия


Принцип работы искусственного интеллекта

Принцип работы ИИ заключается в сочетании большого объема данных с возможностями быстрой, итеративной обработки и интеллектуальными алгоритмами, что позволяет программам автоматически обучаться на базе закономерностей и признаков, содержащихся в данных. ИИ представляет собой комплексную дисциплину со множеством теорий, методик и технологий. Ее главными направлениями являются следующие:

• Машинное обучение — это область знаний, исследующая алгоритмы, которые обучаются на данных с целью найти закономерности. В нем используются методы нейросетей, статистики, исследования операций и т.п. для выявления скрытой полезной информации в данных; при этом явно не программируются инструкции, указывающие, где искать данные и как делать выводы.
• Нейросеть — это один из методов машинного обучения. Это математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма.
• В глубоком обучении используются сложные нейросети со множеством нейронов и слоев. Для обучения этих глубоких нейросетей, а также для обнаружения сложных закономерностей в огромных массивах данных используются повышенные вычислительные мощности и усовершенствованные методики. Распространенные области применения: распознавание изображений и речи.
• Когнитивные вычисления — направление ИИ, задачей которого является обеспечение процесса естественного взаимодействия человека с компьютером, аналогичного взаимодействию между людьми. Конечная цель ИИ и когнитивных вычислений — имитация когнитивных процессов человека компьютером благодаря интерпретации изображений и речи с выдачей соответствующей ответной реакции.
• Компьютерное зрение опирается на распознавание шаблонов и на глубокое обучение для распознавания изображений и видео. Машины уже умеют обрабатывать, анализировать и понимать изображения, а также снимать фото или видео и интерпретировать окружающую обстановку.
• Обработка естественного языка — это способность компьютеров анализировать, понимать и синтезировать человеческий язык, включая устную речь. Сейчас мы уже можем управлять компьютерами с помощью обычного языка, используемого в повседневном обиходе. Например, используя Siri или Google assistant.

Кроме того, функционирование ИИ обеспечивают следующие технологии:

• Существование ИИ невозможно без графических процессоров, так как они предоставляют вычислительные мощности, необходимые для итеративной обработки данных. Для обучения нейросетей необходимы «большие данные» и вычислительные ресурсы.
• Интернет вещей собирает колоссальные объемы данных от подключенных устройств. Большая часть этих данных не проанализирована. Автоматизация моделей с помощью ИИ позволит использовать больше таких данных.
• Разрабатываются и по-новому комбинируются болеесовершенные алгоритмы, которые позволяют быстрее анализировать больший объем данных сразу на нескольких уровнях. Такая интеллектуальная обработка — ключ к выявлению и прогнозированию редких событий, пониманию сложных систем и оптимизации уникальных сценариев.
• API (программные интерфейсы приложений) представляют собой переносимые пакеты кода, благодаря которым функционал ИИ может быть интегрирован в существующие продукты и пакеты программ. С помощью API можно добавить функцию распознавания изображений в домашнюю систему безопасности или вопросно-ответные функции для описания данных, создания титров и заголовков, обнаружения в данных интересных закономерностей и иной полезной информации.

Подводя итоги, цель ИИ — обеспечение работы программных продуктов, способных к анализу входных данных и интерпретации полученных результатов. Искусственный интеллект — средство, обеспечивающее более интуитивный процесс взаимодействия человека с программами и помощь при принятии решений в рамках определенных задач. ИИ не замена человеку, и в обозримом будущем таковой не станет.

Другие материалы по теме

• Почему менеджерам стоит позаботиться о качественном инструменте для прогнозированияТеперь, когда COVID-19 стал частью нашей реальности, жизненно важно планировать каждый аспект бизнеса. Мы наблюдаем бурный рост спроса на решения для прогнозирования, которые гарантируют последовательность, автоматизацию и повышенную точность.

• Прохождение «последней мили» аналитики в три шагаВнедрение аналитических моделей в производство может быть самой сложной частью аналитического пути. Неудивительно, что эта последняя миля аналитики — внедрение моделей в развертывание — является самой сложной частью инициатив в рамках цифровой трансформации, которую должны освоить компании, потому что она считается наиболее важной.

• Ускоряясь на пути внедрения искусственного интеллекта, подумайте о «качестве дорожного покрытия»ИИ-технология добилась огромных успехов за короткое время и готова к более широкому внедрению. Но поскольку организации наращивают усилия по ИИ, им необходимо проявлять особую осторожность, потому что, как скажет любой сотрудник полиции, даже небольшие выбоины могут создавать проблемы для транспортных средств, движущихся на высоких скоростях.

• Как использовать ИИ для выявления ракаНедавно мне предоставили удивительную возможность поработать над проектом в области биомедицинской аналитики изображений в сотрудничестве с крупным университетским медицинским центром. Целью проекта была разработка системы компьютерного зрения, которая будет выявлять опухоли при компьютерной томографии печени.

Искусственный интеллект

• Сквозные технологии НТИ: Большие данные и искусственный интеллект
• II уровень РСОШ
• 100 баллов к ЕГЭ
• Сквозные технологии НТИ: Большие данные и искусственный интеллект
• II уровень РСОШ
• 100 баллов к ЕГЭ

Математика

Информатика

зарегистрироваться на профиль

Расписание


{{title}}

{{humanTime}}

---

{{#each stage. predmets}}
• {{this.name}}

{{/each}}

{{{desc}}}

{{#if online}}
• Онлайн

{{/if}}
{{#if offline}}

• Оффлайн

{{/if}}

{{#if isDistributed}}

• Распределенный

{{/if}}
{{#if isFulltime}}

• Очный

{{/if}}

{{address}}

{{#if registrationUrl}}

Регистрация

{{/if}}

{{#each colorTypes}}
• {{this. name}}

{{/each}}

В последние годы искусственный интеллект стал одной из любимых тем для разговоров в среде технологических энтузиастов. Этот профиль дает возможность разобраться в ней на практике и попробовать себя в роли исследователя данных (Data Scientist)!

Профиль создан в партнерстве с Академией искусственного интеллекта для школьников, а это значит тебя ждут:

• актуальные задачи от экспертов Sber AI
• 
  качественная инфраструктура: эта команда делает AI-соревнования для школьников с 2018 года и знает, что нужно участникам
• 
  по-настоящему, крутой финал: ведущие эксперты, звезды, последние разработки лабораторий, а еще игры, прогулки и многое другое.

Этапы соревнований


Этап 1

В рамках первого отборочного этапа участникам предстоит решить предметные задачи по информатике и математике — предметный тур, для погружения в технологии профиля изучить материалы по машинному обучению — образовательный блок, а также решить несложную задачу по машинному обучению — инженерный тур.  




Этап 2

На втором этапе участникам предстоит погрузиться в работу с распознаванием видео и их классификацией.




Финал

На заключительном этапе участников ждет предметный и инженерный туры. В предметном туре участникам предстоит решать индивидуально олимпиадные задачи по математике и информатике. В инженерном туре заключительного этапа команды участников продолжат работать с видео и соприкоснутся с обработкой естественного языка (NLP).

Автоматический анализ визуальных данных, в частности, видео, позволяет решать самые разные подзадачи: быстрый поиск нужного контента (фильтрация), извлечение информации из данных (information retrieval) и многое другое. Все это в значительной степени сокращает объем анализа по сравнению с ручной обработкой и создает возможности для автоматизации решения таких задач как: поиск нужного фрагмента видео по запросу (например, на камерах видеонаблюдения), поиск в базе данных различных видео (например, классификация видео с определенными участниками) и так далее.




Требования к команде


Знания

Ключевые алгоритмы и структуры данных. Потому что вас ждут данные. Много данных.

Классические алгоритмы машинного обучения: как строятся, работают, для чего используются. Потому что без этого никуда.

Основы математической статистики, теории вероятностей, линейной алгебры, математического анализа. Потому что без этого понять, как работает машинное обучение, очень сложно.

Hard skills необходимые для старта

Программирование на Python, в том числе стек работы с данными (numpy, pandas, scipy, matplotlib) и ml-стек.

Hard skills необходимые финалистам

К моменту выхода в финал, вы будете знать все, что необходимо.

Численность команды и роли


Максимальное число участников в команде — 2. При этом мы не выделяем ролей и предлагаем вам быть равноправными партнерами.

При формировании команды рекомендуем обращать внимание на то, чтобы один мог «прикрыть» слабые стороны другого, а коммуникация была комфортной для вас обоих.

!!! Обращаем внимание, что объединение в команды участников из 8–9 классов с участниками из 10–11 возможно только при условии, что каждый из них будет решать предметные туры для 10–11 классов. Поэтому рекомендуем во время первого этапа решать оба варианта заданий.

Материалы подготовки


Организаторы


Партнеры



Генеральный партнер — Благотворительный фонд Сбербанка «Вклад в будущее»




Создан искусственный интеллект, способный думать как младенец

Системы искусственного интеллекта способны на многое — с некоторыми задачами они справляются даже лучше людей. Относительно недавно я рассказывал про нейронные сети, которые умеют рисовать по словам. Людям всего лишь необходимо ввести текстовое описание будущей картины и компьютер быстро выдает уникальный результат — на такую быстроту и фантазию не способны даже самые гениальные художники мира. Или вот другой пример: в 2020 году искусственный интеллект сыграл против человека внутри авиационного симулятора FlightGear и оказался быстрее и точнее, из чего можно сделать вывод, что компьютер разбирается в военной тактике лучше людей. Однако, каждый искусственный интеллект хорош только в определенной сфере — одни хорошо рисуют, другие пишут музыку и так далее. А так, компьютерный разум сегодня не достиг даже уровня ребенка. Но работа по обучению нейросетей идет, и недавно был представлен искусственный интеллект, который развит почти так же, как человеческий младенец.

Создан искусственный интеллект с разумом ребенка, что же он умеет?

Что умеют новорожденные дети?

На что способен ребенок, который только что родился? В первые дни своей жизни он может разве что дышать и плакать — для выживания ему нужна помощь. Но спустя несколько месяцев младенец начинает инстинктивно понимать наш мир. Например, ему становится ясно, что люди не способны просто исчезать на ровном месте. Во время игры с ребенком, взрослые внезапно прячутся или просто закрывают ладонями лицо — это вызывает у детей удивление и последующий смех.

Новорожденные дети умеют немногое, но все равно умнее искусственного интеллекта

Вам будет интересно: Могут ли дети плакать, находясь в утробе матери?

Обучение искусственного интеллекта

Для искусственного интеллекта такие явления непонятны, поэтому ученые решили создать систему, которая хотя бы немного осознает правила реального мира. Он получил название PLATO, что можно расшифровать как «Обучение физике с помощью автоматического кодирования и отслеживания объектов». Для тренировки системы были использованы видеоролики, в которых демонстрируются пять ключевых понятий, которые дети осваивают в первые недели своей жизни:

• постоянство — объекты не могут внезапно исчезать;
• твердость — твердые объекты не могут проходить сквозь друг друга;
• непрерывность — объекты последовательно перемещаются в пространстве и времени;
• неизменяемость — объекты не могут просто так менять такие свойства, как форма;
• направленная инерция — объекты движутся в соответствии с принципами инерции.

Стоит подчеркнуть, что некоторые объекты все же способны исчезать и менять свою форму — например, мыльные пузыри и так далее. Но младенцы этого не понимают, потому что это следующая ступень их развития. Все перечисленные выше концепции были объяснены искусственному интеллекту PLATO при помощи видео с мячами, которые падают на пол, отскакивают друг от друга и так далее.

Искусственный интеллект PLATO знает основы физики

После процесса обучения, исследователи проверили, правильно ли искусственный интеллект освоил все уроки. Оказалось, что да — когда ему показали ролики с невозможными явлениями вроде проходящих сквозь друг друга твердых объектов, он сразу же заметил это. Система распознала нарушения законов физики и на видео, в которых демонстрировались отличающиеся от мячей объекты. Таким образом, авторы научной работы убедились, что созданный ими искусственный интеллект способен учиться и расширять свои базовые учебные знания. Однако, как ответили ученые, работы еще много — разработанная ими система имеет множество недочетов. Например, он не «удивляется», когда ему показывают видео, в которых нет ни одного объекта.

Что будет, когда Искусственный интеллект достигнет пика своего развития? Ответ тут.

Зачем ученые создают искусственный интеллект?

Но зачем исследователи вообще хотят создать искусственный интеллект с разумом младенца? Во-первых, это просто научный интерес — ученые уже давно хотят создать компьютер, наделенный собственным интеллектом. Во-вторых, такие исследования могут многое рассказать о развитии интеллекта у людей. Например, авторы научной работы отметили, что их работа продемонстрировала, как основные концепции физики могут быть усвоены посредством визуального обучения. Также стало ясно, что даже врожденные знания о физике объектов могут быть искажены, если детям показать видео с нарушениями законов физики.

Искусственный интеллект может рассказать многое о людях

До создания полноценного искусственного интеллекта еще далеко. Но нейросети уже сейчас способны на многое, вот вам три примера:
 

• Искусственный интеллект научился флиртовать и признаваться в любви
• Искусственный интеллект сам построит плотину в Китае
• Искусственный интеллект написал статью для сайта

Что вы думаете о результатах данной научной работы? Своим мнением делитесь в комментариях или нашем Telegram-чате.

Искусственный интеллектТехнологии будущего

Для отправки комментария вы должны или

3.2 Что такое искусственный интеллект?

Автор раздела

Кузнецов О. П.

Время чтения — 8 минут

Огромной проблемой в области этики ИИ является отсутствие единой понятийной базы. Поскольку нет формального или хотя бы конструктивного описания основных положений этики в технических исследованиях, моральные аспекты зачастую ограничиваются их бытовым, интуитивным пониманием. Сами специалисты в области моральной философии не всегда четко представляют себе суть достижений в области технологий ИИ. Налицо разрыв между разработчиками, исследователями и философами.

Под словосочетанием «искусственный интеллект» понимается как комплекс технологий, так и наука. В данном докладе мы используем оба значения.

Согласно Национальной стратегии развития искусственного интеллекта, искусственный интеллект — «комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма), и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека». Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе и то, в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений.

Национальная стратегия развития искусственного интеллекта на период до 2030 года // Гарант.

С другой стороны, «искусственный интеллект ― это наука и технология, включающая набор средств, позволяющих компьютеру на основании накопленных знаний давать ответы на вопросы и делать на базе этого экспертные выводы, то есть получать знания, которые в него не закладывались разработчиками. Область „искусственного интеллекта“ является междисциплинарной и входит в комплекс компьютерных наук, а создаваемые на ее основе технологии относятся к информационным технологиям».

Национальная стратегия развития искусственного интеллекта на период до 2030 года // Гарант.

Искусственный интеллект. К выбору стратегии. М.: РАНХиГС, 2018 // РАНХиГС.

История И И как науки началась в 1956 году в США, где на двухмесячный семинар в Дартмуте организаторы Джон Маккарти, Марвин Мински, Клод Шеннон и Натаниэль Рочестер пригласили крупных американских ученых, изучающих теорию управления, теорию автоматов, нейронных сетей, теорию игр, и исследователей интеллекта: Артура Самюэля, Аллена Ньюэлла, Герберта Саймона, Тренчарда Мура, Рэя Соломоноффа и Оливера Селфриджа. В России основоположником направления выступил Дмитрий Поспелов, в 1989 году он стал президентом Советской (и позже Российской) ассоциации искусственного интеллекта.

McCarthy J., Minsky M. L. , Rochester N. et al. A Proposal for the Dartmouth Summer Research Projecton Artificial Intelligence // Stanford.

Принято выделять две группы проблем, которые исследует ИИ как наука:

Сильный (интегральный, универсальный) ИИ

Гипотетический И И, способный не только решать интеллектуальные задачи, но и самостоятельно ставить цели, сравнимый с человеческим интеллектом и превосходящий его. Для решения проблем сильного ИИ необходимо хорошо понимать, как функционирует человеческий мозг. Нейробиология накопила огромное количество эмпирических знаний об анатомии и физиологии мозга, молекулярных и генетических механизмах. Однако общие принципы переработки информации мозгом до конца не ясны; понятно только то, что они существенно отличаются от принципов работы компьютера. Поэтому перспективы реальной разработки сильного ИИ весьма туманны. Еще в 1975 году некоторые известные ученые обещали создание ИИ, сравнимого с человеческим интеллектом, к 2000 году, то есть через 25 лет. Через 45 лет, в 2020 году прогноз такой же: сильный ИИ будет создан примерно через 25 лет.

Слабый (прикладной) ИИ

Методы и программные системы, решающие отдельные интеллектуальные задачи. Здесь успехи гораздо более значительны.

Интеллектуальная задача — это задача, для решения которой у человека нет алгоритма. Выполняя действия по алгоритму, разные люди всегда получат один и тот же результат, причем и ход решения будет у них одинаковым. При решении интеллектуальной задачи люди используют свои знания, умение рассуждать и сообразительность, которые у разных индивидуумов различны. Основные успехи ИИ за 60 лет своего существования заключаются в формализации этих интеллектуальных способностей человека, то есть в разработке методов представления знаний, моделирования рассуждений, эвристического поиска и т. д.

Параллельно с методами формализации интеллектуальных способностей (символьного, или алгоритмического, ИИ) развивалось другое направление ИИ, основанное на идее машинного обучения и технологии нейронных сетей. С появлением глубокого обучения нейротехнологии получили широкое развитие и стали наиболее тиражируемыми. Эти интеллектуальные технологии постепенно расширяли области своего применения, но при этом порождали завышенные ожидания. Поэтому полезно иметь в виду, что нейротехнологии имеют некоторые принципиальные ограничения. Они в основном связаны с трудностями оценки качества обучающей выборки (в частности, ее полноты), что приводит к проблемам с объяснением полученных результатов и к недоверию к ним, даже если они верны.

Трудные интеллектуальные задачи приходится решать, например, при создании беспилотников, особенно автомобилей; в основном именно поэтому они еще не производятся в промышленном объеме. Главной проблемой становится оценка ситуации, возможность отделить предмет от фона, движущийся объект от неподвижного, выделить потенциальные источники опасности. Решить эти проблемы может помочь машинное обучение на данных и прецедентах. Проблема в том, что может возникнуть ситуация, которой в обучающей выборке не было.

Некоторые виды интеллектуальных систем представлены в таблице 4.

Таблица 4
Виды интеллектуальных систем

Кроме того, элементы ИИ применяются в таких современных цифровых технологиях, как киберфизические системы («умные дома», ИВ), дополненная реальность и т. д.

Предыдущая часть

3.1 Зачем искусственному интеллекту этика?

Читать дальше

3.3 Этичное применение искусственного интеллекта

3. Предстоящие улучшения: как люди и ИИ могут развиваться вместе в следующем десятилетии

Другие вопросы, заданные экспертам в этом опросе, требовали их взглядов на обнадеживающие события, которые произойдут в следующем десятилетии, и примеры конкретных приложений, которые могут появиться . Как будет выглядеть коэволюция человека и технологий к 2030 году? Участники этого опроса ожидают, что скорость изменений будет варьироваться от постепенных до чрезвычайно эффективных. Как правило, они ожидают, что ИИ будет по-прежнему нацелен на повышение эффективности на рабочих местах и ​​в других сферах деятельности, и они говорят, что он, вероятно, будет внедрен в большинство человеческих начинаний.

Наибольшая доля участников этого опроса заявила, что автоматизированные системы, управляемые искусственным интеллектом, уже улучшают многие аспекты их работы, игр и домашней жизни, и они ожидают, что это продолжится в течение следующего десятилетия. В то время как они беспокоятся о сопутствующем негативе достижений человеческого ИИ, они надеются на серьезные изменения к лучшему, поскольку сетевые интеллектуальные системы революционизируют все, от самой неотложной профессиональной работы до сотен маленьких «повседневных» аспектов существования.

Ответ одного респондента касался многих улучшений, ожидаемых экспертами, когда машины будут работать рядом с людьми в качестве их помощников и усилителей. ассоциированный профессор крупного университета в Израиле написал: «В ближайшие 12 лет ИИ позволит всем видам профессий выполнять свою работу более эффективно, особенно тем, которые связаны со «спасением жизни»: индивидуальной медициной, полицейской деятельностью и даже военными действиями. (где атаки будут сосредоточены на выводе из строя инфраструктуры и в меньшей степени на убийстве вражеских комбатантов и гражданских лиц). В других профессиях ИИ обеспечит большую индивидуализацию, например, обучение, основанное на потребностях и интеллектуальных способностях каждого ученика/студента. Конечно, будут и недостатки: большая безработица на определенных «рутинных» работах (например, водители транспорта, общественное питание, роботы и автоматизация и т. д.)».

Этот раздел начинается с того, что эксперты высказывают в основном положительные мнения об эволюции человека и ИИ. За ним следуют отдельные разделы, которые включают их мысли о потенциале партнерства ИИ и человека и качестве жизни в 2030 году, а также о будущем рабочих мест, здравоохранения и образования.

ИИ будет интегрирован в большинство аспектов жизни, повышая эффективность и расширяя человеческие возможности.

Многие ведущие эксперты высоко оценили преимущества, которые, по их мнению, будут продолжать расширяться по мере развития инструментов ИИ, позволяющих делать больше вещей для большего числа людей.

Мартейн ван Оттерло , автор книги «Алгоритмы сторожевого управления с учетом человеческого этического предубеждения» и доцент кафедры искусственного интеллекта в Тилбургском университете в Нидерландах, написал: «Несмотря на то, что я вижу много этических проблем, потенциальных проблем и особенно дисбаланса/неправильного использования власти проблемы с ИИ (даже не говоря о проблемах сингулярности и неконтролируемом ИИ), я действительно думаю, что ИИ изменит большинство жизней к лучшему, особенно глядя на короткий горизонт 2030 года, тем более, потому что даже плохие последствия ИИ может считаться преимущественно «хорошим» большинством людей. Например, дело Cambridge Analytica показало нам огромные проблемы конфиденциальности современных социальных сетей в условиях рыночной экономики, но в целом люди ценят экстраординарные услуги, которые предлагает Facebook для улучшения возможностей общения, обмена возможностями и так далее».

…нужно задуматься о том, как эти технологии внедряются и используются, но в целом я считаю это конструктивным. Vint Cerf

Vint Cerf , Член Зала славы Интернета, вице-президент и главный интернет-евангелист Google сказал: «Я рассматриваю ИИ и машинное обучение как расширение человеческого познания а-ля Дуглас Энгельбарт. Будут злоупотребления и баги, в том числе вредные, поэтому нам нужно подумать о том, как эти технологии внедряются и используются, но в целом я вижу в этом конструктив».

Микеал О Фоглу , технический директор и подразделение DevOps Code Pillar в мюнхенском офисе Google, сказал: «Тенденция такова, что модели AI/ML в определенных областях могут превосходить экспертов-людей (например, определенные диагнозы рака на основе распознавания изображений). при сканировании сетчатки). Я думаю, что было бы справедливо согласиться с тем, что эта тенденция продолжится, и многие другие такие системы могли бы помочь экспертам-людям быть более точными».

Крейг Матиас , директор Farpoint Group, консалтинговой фирмы, специализирующейся на беспроводных сетях и мобильных вычислениях, прокомментировал: «Многие, если не большинство крупномасштабных технологий, от которых мы все сеть, дороги и автомагистрали — в будущем они просто не смогут функционировать без ИИ, поскольку и сложность решения, и спрос продолжают расти».

Мэтт Мейсон , робототехник и бывший директор Института робототехники Университета Карнеги-Меллона, написал: «ИИ предоставит новые возможности и возможности для улучшения человеческого опыта. Хотя общество может вести себя иррационально и использовать это себе во вред, я не вижу причин думать, что это более вероятный исход».

Майк Освальд , вице-президент по инновациям в компании Hanson Inc., прокомментировал: «Я думаю о мире, в котором устройства людей постоянно оценивают окружающий мир, чтобы сделать население более безопасным и здоровым. Думая о тех, кто живет в больших городских районах, с устройствами, формирующими сеть ввода ИИ посредством анализа звука, качества воздуха, природных явлений и т. д., которые могут предоставлять коллективные уведомления и информацию всем в определенной области о проблемах факторов окружающей среды, физического здоровья, даже помогая не давать пощады злоумышленникам посредством охраны общественного порядка».

Барри Хьюз , старший научный сотрудник Центра международного будущего Университета Денвера, прокомментировал: «Я был одним из первых пользователей-испытателей ARPANET и теперь с трудом могу представить себе жизнь без Интернета. Несмотря на то, что ИИ будет разрушительным в 2030 году и далее, а это означает, что на рабочем месте будут проигравшие и будут расти причины для беспокойства по поводу конфиденциальности и преступлений, связанных с ИИ/киберпространством, в целом я ожидаю, что люди и общества будут делать выбор в отношении использования и ограничений. использования, которые приносят нам пользу. Примеры включают в себя, вероятно, беспилотные автомобили в то время, когда ухудшающееся зрение моей жены и увеличивающееся пожилое население сделают его все более раскрепощающим. Я бы ожидал быстрого роста использования неформального/нетрадиционного образования, а также некоторого более двойственного роста в секторе формального образования. Применение больших данных в исследованиях, связанных со здоровьем, должно становиться все более продуктивным, а оказание медицинской помощи должно приносить пользу. Прозрачность в отношении его характера и использования, включая его разработчиков и их личные выгоды, особенно важна для ограничения неизбежных злоупотреблений».

Дана Клисанин , психолог, футуролог и геймдизайнер, предсказала: «Люди будут все больше осознавать важность взаимодействия друг с другом и с миром природы, и они будут программировать ИИ для достижения таких целей, что, в свою очередь, будет способствовать продолжающемуся появлению Например, покупка продуктов и рутинные дела будут переданы ИИ (умным приборам), что освободит время для приготовления еды в соответствии с движением медленной еды. Забота об окружающей среде также будет способствовать росту движения медленных товаров/медленной моды. Возможность переработки, сокращения и повторного использования будет расширена за счет использования домашних 3D-принтеров, что приведет к появлению нового типа «ремесла», поддерживаемого ИИ. ИИ будет поддерживать движение «от колыбели до могилы», упрощая людям отслеживание производственного процесса от начала до конечного продукта».

Лиз Рикерт , президент Meta Strategies, консалтинговой компании, которая работает с технологиями и сложными организационными изменениями, ответила: «Ключом для сетевого ИИ будет способность распространять справедливые ответы на базовый уход и сбор данных. Если предвзятость останется в программировании, это будет большой проблемой. Я верю, что мы сможем разработать системы, которые будут учиться и отражать гораздо более широкое и разнообразное население, чем системы, которые у нас есть сейчас».

Майкл Р. Нельсон , эксперт по технологической политике ведущего поставщика сетевых услуг, который работал помощником по технологической политике в администрации Клинтона, прокомментировал: «Большинство сообщений в СМИ сосредоточены на том, как машинное обучение напрямую повлияет на людей (медицинская диагностика, беспилотные автомобили и т. д.). ), но мы увидим большие улучшения в инфраструктуре (трафик, очистка сточных вод, цепочка поставок и т. д.)».

Гэри Арлен , президент Arlen Communications, написал: «После того, как первоначальный ажиотаж вокруг конкретных приложений ИИ (таких как автономные транспортные средства, робототехника на рабочем месте, обработка транзакций, диагностика здоровья и выбор развлечений) отступит, конкретные приложения будут развиваться — вероятно, в области, которые едва ли рассматриваются сегодня. Как и в случае со многими новыми технологиями, преимущества не будут одинаковыми, что потенциально расширит дихотомию между имущими и неимущими. Кроме того, по мере того, как ИИ проникает в новые области, включая творческую работу, такую ​​как дизайн, музыкальная и художественная композиция, мы можем столкнуться с новыми юридическими проблемами, связанными с незаконным присвоением интеллектуальной собственности (посредством машинного обучения). Тем не менее, новые юридические задачи, связанные с такими судебными разбирательствами, могут не нуждаться в обычном юристе, но их может решить сам ИИ. Искусственный интеллект профессионального здравоохранения представляет собой еще один тип дихотомии. Для пациентов ИИ может стать золотым дном, выявляя болезни, часто на ранних стадиях (на основе ранних симптомов), и рекомендуя лечение. В то же время такие автоматизированные задачи могут повлиять на трудоустройство медицинских работников. И снова необходимо решить юридические проблемы, такие как ответственность в случае неправомерных действий ИИ. В целом, не существует такого понятия, как «большинство людей», но многие люди и группы — особенно в профессиональных ситуациях — БУДУТ жить лучше благодаря ИИ, хотя и с некоторыми серьезными трудностями при адаптации».

Тим Морган , респондент, не предоставивший никаких идентифицирующих деталей, сказал: «Алгоритмическое машинное обучение будет нашим усилителем интеллекта, исчерпывающим образом изучая данные и проекты способами, недоступными для людей в одиночку. Мир был потрясен, когда компьютер IBM Deep Blue победил Гарри Каспарова в 1997 году. Позже пришло осознание того, что люди и «кентавры» ИИ могут объединиться, чтобы победить кого угодно, человека или ИИ. Синтез — это больше, чем сумма частей».

Маршалл Киркпатрик , директор по маркетингу влиятельных лиц, ответил: «Если сеть может быть одновременно децентрализованной и пронизанной сочувствием, а не характеризоваться насильственной эксплуатацией, тогда мы в безопасности. Я ожидаю, что он приземлится посередине, надеюсь, склоняясь к позитиву. Например, я ожидаю, что на наше понимание себя и свободы сильно повлияет инструментирование большей части памяти, благодаря тому, что личные журналы и исчерпание данных будут признаны ценными, точно так же, как когда мы избавились от термина «мусорная ДНК». принесет нам новое понимание нашей собственной жизни, которое сегодня может показаться столь же надуманным, как и 30 лет назад сказать: «Я скажу вам, какую музыку сейчас открывают ваши друзья». человечество к лучшему, но это займет больше времени и не будет сделано так хорошо, как могло бы быть. Надеюсь, мы построим его таким образом, который поможет нам быть более понимающими по сравнению с другими».

Дэниел А. Менаске , профессор компьютерных наук Университета Джорджа Мейсона, прокомментировал: «ИИ и связанные с ним технологии в сочетании со значительным прогрессом в вычислительной мощности и снижением затрат позволят специалистам в различных дисциплинах работать более эффективно и позволят неспециалисты использовать компьютерные системы для повышения своих навыков. Некоторые примеры включают оказание медицинской помощи, умные города и умные здания. Чтобы эти приложения стали реальностью, необходимо разработать простые в использовании пользовательские интерфейсы или, что еще лучше, прозрачные пользовательские интерфейсы».

Технологический прогресс всегда вызывал страх и тревогу, уступая место огромным достижениям человечества, когда мы учимся усиливать лучшее из изменений, а также адаптировать и изменять худшее. Дэвид Уэллс

Дэвид Уэллс , финансовый директор Netflix, ответил: «Технический прогресс и прогресс всегда встречались со страхом и беспокойством, уступая место огромным достижениям человечества, когда мы учимся улучшать лучшее из изменения и адаптировать и изменить худшее. Продолжающийся сетевой ИИ ничем не будет отличаться, но темпы технологических изменений увеличились, что отличается и требует от нас более быстрой адаптации. Этот темп отличается и создает проблемы для некоторых человеческих групп и обществ, которые нам необходимо признать и преодолеть, чтобы избежать маргинализации и политических конфликтов. Но выгоды от лучшего образования, медицинского обслуживания и снижения уровня преступности будут стоить проблем».

Рик Фэрроу , редактор журнала ;login: для ассоциации USENIX, написал: «Люди плохо справляются с принятием решений, основанных на фактах, а не на эмоциях. Люди легко отвлекаются. Безусловно, есть вещи, которые ИИ может делать лучше, чем люди, например, вождение автомобиля, управление финансами и даже диагностика болезней. Глупо ожидать, что врачи-люди будут знать все о разновидностях болезней и людях. Пусть компьютеры делают то, в чем они хороши».

Стив Крокер , генеральный директор и соучредитель Shinkuro Inc. и член Зала славы Интернета, ответил: «Искусственный интеллект и взаимодействие человека и машины активно развиваются последние 50 лет. Прогресс был огромен. Результаты отображаются во всех наших продуктах и ​​системах. Графика, речь [и] понимание языка теперь воспринимаются как нечто само собой разумеющееся. Энциклопедические знания доступны в наших руках. Мгновенная связь с кем угодно и где угодно существует примерно в половине мира при минимальных затратах. Воздействие на производительность, образ жизни и снижение рисков, как природных, так и техногенных, было экстраординарным и будет продолжаться. Как и в случае с любой другой технологией, существуют возможности для злоупотреблений, но проблемы следующего десятилетия или около того не сильно отличаются от проблем, с которыми человечество сталкивалось в прошлом. Возможно, самой большой экзистенциальной угрозой была потенциальная ядерная катастрофа. Для сравнения, опасений по поводу ИИ значительно меньше».

Джеймс Кадтке , эксперт по конвергентным технологиям в Институте национальных стратегических исследований Университета национальной обороны США, написал: и ИИ [с настоящего времени и до 2030 года] будет двигаться по эволюционной траектории. Ожидайте, что доступ к Интернету и изощренность будут значительно выше, но не радикально, а также ожидайте, что злоумышленники, использующие Интернет, будут иметь большую изощренность и силу. Сможем ли мы контролировать обе эти тенденции для получения положительных результатов — это вопрос государственной политики, а не технологический».

Тим Морган , респондент, не предоставивший никаких подробностей, сказал: «Сотрудничество человека и ИИ в течение следующих 12 лет улучшит общее качество жизни за счет поиска новых подходов к постоянным проблемам. Мы будем использовать эти адаптивные алгоритмические инструменты для исследования совершенно новых областей в каждой отрасли и области исследования: материаловедение, биотехнология, медицина, сельское хозяйство, машиностроение, энергетика, транспорт и многое другое. … Это выходит за рамки вычислимости в человеческие отношения. ИИ начинают понимать и говорить на человеческом языке эмоций. Потенциал аффективных вычислений варьируется от адаптивных интерфейсов, повышающих производительность, до мониторинга безопасности аэропортов и других мест сбора до совершения преступления, до домашних животных-компаньонов, которые следят за своими стареющими владельцами и взаимодействуют с ними таким образом, чтобы улучшить их здоровье и настроение. . Будут ли невидимые опасности или последствия? Определенно. Это наш шаблон с нашими инструментами. Мы изобретаем их, используем для улучшения своей жизни, а затем совершенствуем, когда обнаруживаем проблемы. ИИ ничем не отличается».

Ашок Гоэл , директор отдела ориентированных на человека вычислений, доктор философии. программы в Технологическом институте Джорджии, написал: «Взаимодействие человека и ИИ будет мультимодальным: например, мы будем напрямую общаться с ИИ. Однако большая часть воздействия ИИ будет заключаться в улучшении взаимодействия между людьми как в пространстве (мы будем объединены в сеть с другими), так и во времени (у нас будет доступ ко всем нашим ранее приобретенным знаниям). Это поможет, дополнит и усилит индивидуальный и коллективный человеческий интеллект беспрецедентными и мощными способами».

Дэвид Кейк , руководитель Electronic Frontiers Australia и вице-председатель Совета ICANN GNSO, написал: «В целом, машинное обучение и связанные с ним технологии способны значительно уменьшить количество человеческих ошибок во многих областях, где в настоящее время они очень распространены. проблематичными, и давать хорошие, правильно подобранные советы людям, которым они в настоящее время недоступны, буквально почти во всех областях человеческой деятельности».

Фред Бейкер , независимый консультант по сетевым технологиям, давний руководитель Целевой группы инженеров Интернета и научный сотрудник Cisco, прокомментировал: «По моему мнению, разработка не вышла из-под контроля в том смысле, что создание Скайнет Терминатора или HAL 9000 компьютер может их изобразить. Скорее, мы научились автоматизировать процессы, в которых нейронные сети могли следовать данным до их вывода (что мы называем «большими данными») без помощи и влияния человеческой интуиции, и иногда результаты нас удивляли. Они остаются и, по моему мнению, останутся для интерпретации людьми и использования в наших целях».

Боб Франкстон , пионер инноваций в области программного обеспечения и технолог из Северной Америки, писал: «Все может пойти по любому пути. ИИ может быть бюрократической смирительной рубашкой и инструментом слежки. Держу пари, что машинное обучение будет подобно рентгену, давая нам возможность видеть новое целое и делать выводы».

Перри Хьюитт , директор по маркетингу, контенту и технологиям, написал: «Сегодня голосовые технологии — это дикий зверь в наших домах. Примерно у 16% американцев есть умные колонки, и все же они относительно тупые устройства: они неправильно интерпретируют вопросы, предлагают общие ответы и, к ужасу некоторых, превращают наших детей в ***. Я с оптимизмом смотрю на взаимодействие человека и машины, помогающее лучше понять и улучшить нашу повседневную жизнь. Я думаю, в частности, о работающих родителях, часто, хотя и не всегда, о женщинах, которые несут в голове так много информации. Что, если совместная работа человека и машины могла бы снабжать дом предметами первой необходимости, планировать встречи с педиатром перед лагерем и подсказывать водителям правила парковки и уборки улиц на другой стороне. Способность узкого ИИ усваивать новую информацию (автобус должен прибыть в 7:10, но известно, что месяц в учебном году фактически прибывает в 7:16) может поддерживать связь с семьей и информировать ее с помощью правильных данных, а также снизить умственную нагрузку по ведению домашнего хозяйства».

Джон МакНатт , профессор школы государственной политики и управления Университета Делавэра, ответил: «Отказ от технологии из-за потенциальной обратной стороны — это не то, как происходит человеческий прогресс. На государственной службе турбулентная среда создала ситуацию, когда переизбыток знаний может серьезно ухудшить нашу способность делать то, что необходимо для реализации политики и служения общественному благу. ИИ может быть разницей между хорошо работающей государственной службой и той, которая создает больше проблем, чем решает».

Рэнди Марчани , директор по информационной безопасности Технологического института Вирджинии и директор Лаборатории ИТ-безопасности Технологического института Вирджинии, сказал: «Взаимодействие ИИ и человека в 2030 году будет находиться в стадии «зачатия». ИИ нужно будет ходить в «школу» так же, как и люди. Они будут накапливать большие объемы данных, собранных из различных источников, но для принятия правильных решений им потребуется «этическая» подготовка. Подобно тому, как детей учат разнообразной информации и некоторым видам этики (религия, социальные манеры и т. д.), ИИ потребуется аналогичное обучение. Получит ли ИИ надлежащее обучение? Кто определяет содержание обучения?»

Роберт Стрэттон , эксперт по кибербезопасности, сказал: «Хотя в различных дисциплинах широко признаются потенциальные преимущества технологий машинного обучения и искусственного интеллекта, прогресс сдерживается их неправильным применением. Частью науки о данных является знание правильного инструмента для конкретной работы. По мере того, как более строгие практики начинают чувствовать себя комфортно и применять эти инструменты к другим корпусам, разумно ожидать значительного повышения эффективности, понимания или прибыльности во многих областях. Это может быть незаметно для потребителей, за исключением расширения выбора продуктов, но может включать в себя все, от открытия наркотиков до вождения».

Аналитик данных для организации, разрабатывающей маркетинговые решения , сказал: «Предполагая, что существуют политики для предотвращения злоупотребления ИИ и программы для поиска новых рабочих мест для тех, кто был бы вытеснен карьерой, существует большой потенциал в интеграции ИИ. К 2030 году большая часть ИИ будет использоваться в маркетинговых целях и будет больше раздражать людей, чем что-либо еще, поскольку они будут засыпаны персонализированной рекламой и рекомендациями. Остальное использование ИИ будет связано с его интеграцией в более утомительные и повторяющиеся задачи в разных областях карьеры. Внедрение ИИ таким образом предоставит людям больше времени, чтобы сосредоточиться на долгосрочных и углубленных задачах, которые обеспечат дальнейшее и большее социальное развитие. Например, ИИ можно обучить идентифицировать и систематизировать качественную информацию из опросов, обзоров, статей и т. д. гораздо быстрее и в большем количестве, чем это может сделать даже команда людей. Благодаря тому, что ИИ выполняет эти задачи, аналитики могут тратить больше времени на анализ данных для выявления тенденций и информации, которые затем можно использовать для более быстрого принятия более обоснованных решений и сокращения времени обработки. Незначительные дефекты продукта могут быть устранены до того, как они станут массовыми, ученые могут составлять полугодовые отчеты об изменениях в окружающей среде, а не годовые или двухгодичные».

Хелена Драганик , профессор Гданьского университета в Польше, ответила: «ИИ не изменит людей. Это изменит отношения между ними, потому что может служить интерпретатором общения. Это изменит наши привычки (как посредническая технология). ИИ станет отличным товаром. Поможет при проблемах со здоровьем (заболеваниях). Это также создаст большой рынок «индустрии данных» (больших данных) и отсутствие анонимности и конфиденциальности. Человечество будет все больше и больше зависеть от энергии/электричества. Эти факторы создадут новые социальные, культурные проблемы, проблемы безопасности и политики».

Есть те, кто считает, что к 2030 году особых изменений не произойдет. очень равномерно распределены.» Что я знаю из своей работы в дизайне пользовательского опыта и взаимодействия со многими различными ИТ-отделами из списка Fortune 500, работающими с большими данными и аналитикой, так это то, что перспективы и потенциал ИИ и машинного обучения ОЧЕНЬ преувеличены. В базовую инфраструктуру было вложено так мало средств, что целые части наших систем даже не будут совместимы. ИИ и код машинного обучения будут там, в кармане здесь, в кармане там, но в масштабах всей системы он вряд ли будет надежно работать как часть фонового излучения, на фоне которого многие из нас играют и работают онлайн».

Анонимный респондент написал: «Несмотря на то, что различные развертывания новой науки о данных и вычислений помогут фирмам сократить расходы, уменьшить мошенничество и поддержать принятие решений, которые предполагают доступ к большему количеству информации, чем может управлять отдельный человек, организации, профессии, рынки и регулирующим органам (государственным и частным) обычно требуется более 12 лет, чтобы эффективно адаптироваться к постоянно меняющемуся набору технологий и практик. Как правило, это приводит к снижению качества услуг, незащищенности рабочих мест и инвестиций, появлению новых монопольных предприятий, искажающих рынки и социальные ценности, и т. д. Например, многие организации будут вынуждены покупать и внедрять новые услуги, но не смогут получить доступ к надежной рыночной информации о как это сделать, что приведет к неудачным инвестициям, отвлечению внимания от основного бизнеса, трудовым спорам и спорам с клиентами».

Марио Морино , председатель Института Морино и соучредитель Venture Philanthropy Partners, прокомментировал: «Хотя я считаю, что AI/ML принесет огромные преимущества, нам может потребоваться несколько десятилетий, чтобы пройти через разрушение и переход, который они представить на нескольких уровнях».

Даниэль Бернингер , пионер Интернета, руководивший первыми развертываниями VoIP в Verizon, HP и NASA, в настоящее время основатель Комитета по обмену голосовой связью (VCXC), сказал: «Светила, утверждающие, что искусственный интеллект превзойдет человеческий интеллект, и пропагандируют благоговение перед роботами. представьте себе, что экспоненциальное улучшение вычислений превращает самореализацию машин из научной фантастики в реальность. Огромные оценки, присуждаемые Google, Facebook, Amazon, Tesla и др., основаны на этой шумихе о доминировании машин для продажи бесконечного масштабирования. Как и в случае с любой шумихой, притворство реальности не исчезает. Закон Мура не уступает будущее машинам, потому что человеческое господство на планете не обязано вычислениям. Любая дорожная карта, предоставляющая машинам самоопределение, включает «чудо» как один из шагов. Вы не можете превратить кусок дерева в настоящего мальчика. ИИ просто «моделирует» человеческую деятельность. Никакие усовершенствования в разработке этих моделей не превращают «модель» в «вещь». Почитание роботов пытается добиться правдоподобия, сводя на нет широту человеческого потенциала и способностей. Он действует через «дениализм», сторонники которого отрицают важность всего, что они не могут смоделировать. В частности, суперИИ требует, чтобы человеческая воля и сознание не существовали. Люди остаются источником всех намерений и судьей всех результатов. Машины обеспечивают простое облегчение и простую эффективность на пути от намерения к результату. Дегуманизирующий характер автоматизации и отсутствие экономии за счет масштаба человеческого интеллекта уже вызывают головную боль, которая свидетельствует о том, что новая Зима ИИ наступит задолго до 2030 года».

Пол Кайнен , футуролог и директор Лаборатории визуальной математики в Джорджтаунском университете, прокомментировал: «Квантовый кот здесь: я ожидаю сложной суперпозиции сильного положительного, отрицательного и нулевого как типичное воздействие для ИИ. Ради внуков мы должны быть позитивными!»

Следующие остроты от анонимных респондентов также связаны с ИИ в 2030 году:

• Член Зала славы Интернета написал: «Вы будете говорить со своим цифровым помощником обычным голосом, и это будет просто там — он часто будет предвосхищать ваши потребности, поэтому вам может потребоваться только поговорить с ним, чтобы исправить или обновить его».
• Директор группы когнитивных исследований в одной из крупнейших в мире компаний , занимающихся ИИ и крупными вычислениями, предсказал, что к 2030 году «устройства, эквивалентные смартфонам, будут поддерживать настоящий диалог на естественном языке с эпизодической памятью прошлых взаимодействий. Приложения станут недорогими цифровыми работниками с базовым здравым смыслом».
• анонимный Член Зала славы Интернета сказал: «Эквивалент универсального переводчика «Звездного пути» станет практичным, позволяя путешественникам лучше взаимодействовать с людьми в странах, которые они посещают, облегчая онлайн-дискуссии через языковые барьеры, так далее.»
• Исследователь Интернета вещей прокомментировал: «Нам нужно найти баланс между человеческими эмоциями и машинным интеллектом — могут ли машины быть эмоциональными? – это граница, которую мы должны завоевать».
• Анонимный респондент написал: «Вполне возможно, что 2030 год — это еще до появления искусственного интеллекта человеческого уровня. На этом этапе ИИ по-прежнему в основном увеличивает человеческие усилия — становится все более повсеместным, оптимизирует окружающие нас системы и заменяется, когда их критерии оптимизации не совсем совершенны — вместо того, чтобы преследовать запрограммированные в них цели, независимо от того, считаем ли мы желаемой реализацию этих целей. или нет.»
• Ученый-исследователь, работающий в Google , сказал: «Все будет лучше, хотя многие люди глубоко обеспокоены эффектами ИИ».
• Пионер ARPANET и интернета написал: «Тот тип ИИ, который мы в настоящее время можем создать, так же хорош для анализа данных, но очень, очень далек от «человеческого» уровня производительности; следующие 20 лет не изменят этого, но у нас будут ценные инструменты, которые помогут анализировать и контролировать наш мир».
• Исследователь искусственного интеллекта, работающий в одной из самых влиятельных технологических компаний мира пишет: «ИИ улучшит наше зрение и слух, устранит языковые барьеры, сократит время на поиск информации, которая нам нужна, и поможет автоматизировать повседневные действия».
• Менеджер крупной цифровой инновационной компании сказал: «Сочетайте хранение информации с постоянно растущими возможностями быстрого поиска и анализа этих данных, а преимущества расширения человеческого интеллекта с помощью этих обработанных данных откроют новые возможности для технологий. и исследования во всем обществе».

Другие анонимные респонденты прокомментировали:

• «ИИ поможет людям управлять все более сложным миром, в котором мы вынуждены ориентироваться. Это даст людям возможность не перегружаться».
• «ИИ уменьшит количество человеческих ошибок во многих контекстах: вождение, работа, медицина и многое другое».
• «При обучении это расширит знания об успеваемости учащихся и о том, как удовлетворить индивидуальные потребности; он будет предлагать варианты руководства, основанные на уникальных предпочтениях студентов, которые могут определять цели обучения и карьеры».
• «До 2030 года осталось всего 12 лет, поэтому я ожидаю, что такие системы, как Alexa и Siri, будут более полезными, но все же будут иметь лишь среднюю полезность».
• «ИИ будет полезным инструментом; Я далек от того, чтобы бояться SkyNet и подъема машин».
• «Искусственный интеллект принесет большую пользу в ближайшие 10 лет, но, в конечном счете, это вопрос политики: сумеет ли мир каким-то образом прислушаться к экономистам, даже если их выводы неудобны?»
• «Я твердо верю, что более широкое использование числового программного управления улучшит жизнь людей в целом».
• «ИИ поможет нам ориентироваться в выборе, находить более безопасные маршруты и направления для работы и развлечений, а также поможет сделать наш выбор и работу более последовательными».
• «Многие факторы будут влиять на повышение или снижение благосостояния людей, и их будет трудно разделить».

ИИ оптимизирует и дополнит жизнь людей

Надеющиеся эксперты в этой выборке в целом ожидают, что ИИ будет оптимизировать, дополнять и улучшать человеческую деятельность и опыт. Они говорят, что это сэкономит время и спасет жизни за счет достижений в области здравоохранения и снижения рисков и бедности. Они надеются, что это будет стимулировать инновации и расширять возможности, повышать ценность человеческого опыта, расширять возможности людей и повышать общую удовлетворенность жизнью.

Клэй Ширки , писатель и консультант по социальным и экономическим последствиям интернет-технологий и вице-президент Нью-Йоркского университета, сказал: «Все предыдущие формы устройств, экономящих труд, от уровня до компьютера, коррелировали с увеличением здоровье и продолжительность жизни в местах, которые их приняли».

Жамаис Касио , научный сотрудник Института будущего, написал: «Хотя я верю, что в 2030 году ИИ сделает нашу жизнь лучше, я подозреваю, что популярные СМИ того времени будут справедливо освещать масштабные проблемы. : уволенные рабочие, укоренившиеся предубеждения и человеческие системы слишком почтительны по отношению к машинным системам. Но ИИ — это больше, чем роботы-солдаты, автономные автомобили или цифровые помощники с причудливыми «личностями». городскую среду, чтобы лучше соответствовать нашим потребностям. Медицинский ИИ будет отслеживать прием лекарств и предупреждать нас о ранних признаках проблем со здоровьем. Экологический ИИ будет следить за качеством воздуха, температурным индексом и другими показателями, имеющими отношение к нашим повседневным задачам. Наше визуальное и звуковое окружение может быть изменено или отфильтровано, чтобы улучшить наше настроение, улучшить наше внимание или иным образом изменить наше подсознательное восприятие мира. Большая часть этого ИИ будет функционально невидима для нас, пока он работает правильно. Явный человеко-машинный интерфейс будет с системой супервизора, которая координирует все суб-ИИ — и, несомненно, будет оживленный бизнес в создании систем супервизора с причудливыми личностями».

Майк Мейер , директор по информационным технологиям муниципального колледжа Гонолулу, написал: «Социальные организации будут все чаще управляться системами AI/ML, чтобы обеспечить справедливость и последовательность в предоставлении услуг населению. Неуклонное устранение дискриминации, основанной на эмоциях, приведет к перебалансировке социальных организаций, впервые в истории человечества создав по-настоящему равные возможности для всех людей. Люди будут частью этих систем в качестве цензоров в старой имперской китайской модели, обеспечивая человеческий эмоциональный интеллект там, где это необходимо для плавного социального управления. Все аспекты человеческого существования будут затронуты интеграцией ИИ в человеческое общество. Исторически сложилось так, что изменение базовой парадигмы является трудным и непреодолимым. Результаты будут в первую очередь положительными, но будут создавать проблемы как в процессе изменений, так и в совершенно новых типах проблем, которые возникнут в результате того, как люди адаптируют процессы, основанные на новых технологиях».

Марк Кроули , доцент, эксперт в области машинного обучения и главный член Института сложности и инноваций Университета Ватерлоо в Онтарио, Канада, написал: читать книгу на лобовом стекле. На данный момент автомобиль будет двигаться автономно по шоссе. У водителя будет идея записать и добавить в тот или иной документ; все это будет делаться голосом. Посреди этого будет видно сложное дорожное движение, приближающееся через другие объединенные в сеть автомобили. ИИ вежливо прервет водителя, уберет проекционный дисплей и предупредит водителя, что ему, возможно, придется занять место в течение следующих 10 секунд или около того. Беседа будет безупречной и естественной, как у Джарвиса в «Мстителях», даже очаровательной. Но это будут задачи, ориентированные на машину, личные события, заметки и новости».

Теодор Гордон , футуролог, консультант по вопросам управления и соучредитель проекта «Миллениум», прокомментировал: «Конечно, будут взлеты и падения, но сеть, я считаю, хороша. Наиболее обнадеживающее использование ИИ будет заключаться в раннем предупреждении о террористической деятельности, зарождающихся заболеваниях и экологических угрозах, а также в улучшении процесса принятия решений».

Иветт Вон , директор Лаборатории социального взаимодействия и эксперт по взаимодействию человека и компьютера в Технологическом институте Нью-Джерси, сказала: «Одна область, в которой искусственный интеллект станет более изощренным, будет заключаться в его способности улучшать качество жизни, чтобы нынешняя эпоха трудоголизма перешла в общество, в котором досуг, искусство, развлечения и культура способны повышать благосостояние общества в развитых странах и решать вопросы производства воды, выращивания/распределения продуктов питания и базового здоровья. обеспечение в развивающихся странах».

Кен Голдберг , выдающийся заведующий кафедрой инженерии, директор инициативы AUTOLAB и CITRIS «люди и роботы» и член-основатель Исследовательской лаборатории искусственного интеллекта Беркли Калифорнийского университета в Беркли, сказал: «Как и в прошлом Через 50 с лишним лет ИИ будет сочетаться с ИИ (расширением интеллекта), чтобы повысить способность людей работать. Одним из примеров может быть «Адвокат дьявола» на основе ИИ, который будет оспаривать мои решения с помощью проницательных вопросов (при условии, что я могу периодически его отключать)».

Рич Линг , профессор медиатехнологий Наньянского технологического университета, ответил: «Возможность решать сложные проблемы и лучше реагировать на потребности людей и удовлетворять их потребности будет доминирующим результатом ИИ».

Анонимный респондент написал: «Количество автономных когнитивных агентов (например, роботов) будет стремительно расти, и люди будут все больше и больше взаимодействовать с ними, большую часть времени не осознавая этого, если это интерактивность с роботом или с другим человеком. Это увеличит количество личных помощников и уровень обслуживания».

Как ежедневный пользователь Google Assistant на моем телефоне, а также Google Home и Alexa, я чувствую, что искусственный интеллект уже несколько лет приносит значительные преимущества в мою повседневную жизнь. Fred Davis

Fred Davis , наставник Runway Incubator в Сан-Франциско, ответил: «Я ежедневно использую Google Assistant на своем телефоне, а также Google Home и Alexa. преимущества для моей повседневной жизни в течение нескольких лет. Мы с женой считаем само собой разумеющимся наличие вездесущего всегда готового помощника. Способность Google Home отличать нас друг от друга и даже отвечать разными голосами — это важный шаг вперед в повышении грамотности компьютеров, а не наоборот. Всегда есть опасения по поводу конфиденциальности, но пока это не доставляло нам никаких проблем. Очевидно, это может измениться, и вместо полезного друга я буду смотреть на этих помощников как на жутких незнакомцев. Поддержание строгого контроля конфиденциальности и безопасности имеет важное значение для этих типов услуг».

Эндрю Тутт , эксперт в области права и автор книги «FDA for Algorithms», в которой содержится призыв к «критическому осмыслению того, как лучше всего предотвращать, сдерживать и компенсировать вред, который они причиняют», сказал: «ИИ будет абсолютно всепроникающим и абсолютно цельным в своей интеграции с повседневной жизнью. Просто станет общепринятым, что ИИ отвечает за все более сложные и все более человеческие задачи. К 2030 году будет принято, что, когда вы хотите поймать такси, у такси не будет водителя — это будет автономный автомобиль. Роботы будут выполнять более динамичные и сложные роли на производственных предприятиях и складах. Цифровые помощники будут играть важную и интерактивную роль в повседневных взаимодействиях, начиная от покупки чашки кофе и заканчивая записью в салон. Например, больше не будет неожиданным позвонить в ресторан, чтобы забронировать столик, и поговорить с «цифровым» помощником, который запишет вас. Эти взаимодействия будут постепенными, но станут все более частыми и все более нормальными. Я надеюсь, что растущая интеграция ИИ в повседневную жизнь значительно увеличит количество времени, которое люди могут посвящать задачам, которые они считают значимыми».

Л. Шомакер , профессор Университета Гронингена и научный руководитель Исследовательского института искусственного интеллекта и когнитивной инженерии (ALICE), сказал: дом. В 2010-х вы достали из кармана телефон и включили его. К 2030 году вы будете онлайн 24 часа в сутки 7 дней в неделю с помощью миниатюрных устройств, таких как постоянная поддержка в ушах, советы и общение».

Майкл Волловски , адъюнкт-профессор компьютерных наук и разработки программного обеспечения в Технологическом институте Роуз-Халман и эксперт в области Интернета вещей, диаграммных систем и искусственного интеллекта, написал: «Предположим, что промышленность и правительство заинтересованы в том, чтобы потребитель выбирает и влияет на будущее, будет много фантастических достижений ИИ. Я верю, что ИИ и Интернет вещей приведут к ситуации, в которой технологии станут нашим ангелом-хранителем. Например, беспилотные автомобили позволят нам ездить быстрее, чем мы когда-либо ездили раньше, но они позволят нам делать только то, что они могут контролировать. Поскольку у компьютеров гораздо лучшее время реакции, чем у людей, это будет просто потрясающе. Точно так же ИИ и Интернет вещей позволят нам вести полноценную жизнь, гарантируя, что мы будем жить здоровой жизнью. Опять же, это похоже на ангела-хранителя, который позволяет нам делать что-то, зная, что он может спасти нас от глупости».

Стив Кинг , партнер Emergent Research, сказал: «До 2030 года осталось менее 12 лет. Итак… наиболее вероятный сценарий заключается в том, что ИИ окажет незначительное влияние на жизнь большинства людей в течение этого периода времени. Сказав это, мы считаем, что использование систем ИИ будет продолжать расширяться, причем наибольший рост будет приходиться на системы, которые расширяют и дополняют человеческие возможности и процесс принятия решений. Это не означает, что использование ИИ не будет иметь негативных последствий. Рабочие места будут заменены, а некоторые отрасли будут разрушены. Еще страшнее то, что существует множество способов использования ИИ в качестве оружия. Но, как и большинство технологических достижений, мы думаем, что общее влияние ИИ будет аддитивным — по крайней мере, в течение следующего десятилетия или около того».

Василис Галанос , доктор философии. студент и ассистент преподавателя, активно исследующий будущий симбиоз человека и машины в Эдинбургском университете, прокомментировал: «2030 год не так уж и далек, поэтому нет места крайне утопическим/антиутопическим надеждам и страхам. … Учитывая, что ИИ уже используется в повседневной жизни (алгоритмы социальных сетей, предложения, смартфоны, цифровые помощники, здравоохранение и многое другое), вполне вероятно, что люди будут жить в гармоничном сосуществовании с ИИ так же, как и они. теперь — в определенной степени — с компьютерными и интернет-технологиями».

Чарли Файрстоун, , исполнительный директор программы коммуникаций и общества и вице-президент Института Аспена, прокомментировал: «Я по-прежнему оптимистичен в отношении того, что ИИ будет инструментом, который люди будут использовать гораздо шире, чем сегодня, для повышения качества жизни, например, как медицинские средства, образование и окружающая среда. Например, ИИ поможет нам экономить энергию в домах и на транспорте, определяя точное время и температуру, которые нам нужны, и определяя источники энергии, которые будут самыми дешевыми и эффективными. Конечно, существуют ужасные сценарии, особенно в отношении использования ИИ для наблюдения, что, вероятно, произойдет к 2030 году. Я надеюсь, что ИИ и другие технологии определят новые области занятости, поскольку он сокращает многие рабочие места».

Педро У. Лима, , адъюнкт-профессор компьютерных наук в Instituto Superior Técnico в Лиссабоне, Португалия, сказал: «В целом я вижу, что технология на основе ИИ освобождает нас от повторяющихся и/или тяжелых и/или опасных задач, открывая новые задачи для нашей деятельности. Я представляю себе автономных мобильных роботов, подключенных к сети с множеством других интеллектуальных устройств, помогающих медсестрам и врачам в больницах в повседневной деятельности, работающих в качестве «третьей руки» и оказывающих (физическую и эмоциональную) поддержку пациентам. Я вижу нечто подобное на заводах, где объединенные в сеть роботизированные системы помогают рабочим выполнять их задачи, освобождая их от тяжелой работы».

Джон Лэрд , профессор компьютерных наук и инженерии в Мичиганском университете, ответил: «Будет постоянная передача рутинных интеллектуальных и физических задач искусственному интеллекту и роботизированным системам. Помимо помощи в повседневных делах, он значительно поможет людям с психическими и физическими недостатками и инвалидам. Также будут улучшения в индивидуальном / индивидуализированном обучении и обучении людей и, наоборот, в настройке систем ИИ обычными пользователями. Мы будем переходить от текущих методов программирования к пользовательской настройке. Автоматизированное вождение станет реальностью, устранит множество смертей, но также приведет к значительным социальным изменениям».

Стивен Полунски, , директор Алабамского исследовательского центра транспортной политики при Университете Алабамы, написал: «ИИ позволит системам общественного транспорта лучше обслуживать существующих клиентов, корректируя маршруты, время в пути и остановки для оптимизации обслуживания. Новые клиенты также увидят преимущества. Интеллектуальные транспортные системы позволят общественному транспорту подключиться к сети со светофорами и поставщиками услуг «последней мили», чтобы свести к минимуму нарушение дорожного движения и информировать о принятии решений о модальном (железнодорожном, автобусном, мобильности по требованию) планировании и покупке».

Санджив Дас , профессор науки о данных и финансов в Университете Санта-Клары, ответил: «ИИ улучшит поиск для создания интерактивных логических и аналитических систем. Поисковые системы сегодня не знают, «зачем» нам нужна какая-то информация, и, следовательно, не могут рассуждать об этом. Они также не взаимодействуют с нами, чтобы помочь с анализом. Система ИИ, которая собирает информацию, зная, зачем она нужна, а затем задает дополнительные вопросы для уточнения своего поиска, будет явно доступна задолго до 2030 года. эти анализы с различными политическими (левыми/правыми) и лингвистическими (агрессивными/мягкими) уклонами, выбранными человеком, с использованием достижений в языковой генерации, которые уже идут полным ходом. Эти «интеллектуальные» агенты станут компаньонами, помогая нам разобраться в нашей информационной перегрузке. Я часто собираю файлы материалов на своем облачном диске, которые мне показались интересными или которые мне нужно было прочитать позже, и эти агенты могли бы обобщить и вовлечь меня в обсуждение этих материалов, очень похоже на интеллектуального компаньона. Мне неясно, нужен ли мне только один такой агент, хотя кажется вероятным, что разные агенты с разными личностями могут быть более интересными! Как всегда, мы должны беспокоиться о том, что доступность таких агентов может означать для нормального человеческого социального взаимодействия, но я также вижу много преимуществ в высвобождении времени для общения с другими людьми, а также в обогащенных взаимодействиях, основанных на знаниях и науке, с помощью наши новые интеллектуальные товарищи».

Лоуренс Робертс , дизайнер и менеджер ARPANET, предшественника Интернета и члена Зала славы Интернета, прокомментировал: «Распознавание голоса или текста ИИ с сильным пониманием контекста и откликом позволит значительно улучшить доступ к веб-сайту, программе документация, ответы на голосовые вызовы и все подобные взаимодействия значительно уменьшат разочарование пользователя в получении информации. В основном он будет предоставлять услуги, где человеческая поддержка не заменяется или почти не заменяется, поскольку сегодня она в значительной степени недоступна. Например, поиск и/или выполнение новой или неиспользуемой функции используемой программы или веб-сайта. Визуальный ИИ с трехмерным распознаванием пространства для поддержки деятельности роботов лучше, чем человек, включая транспортные средства, наблюдение за безопасностью, сканирование здоровья и многое другое».

Кристофер Ю , профессор права, коммуникаций, компьютерных и информационных наук юридического факультета Пенсильванского университета, ответил: «ИИ хорошо справляется с задачами, которые следуют повторяющимся шаблонам. На самом деле ИИ лучше людей. Передача этих функций машинам повысит производительность. Это также позволит людям перенаправить свои усилия в более прибыльные и высокодоходные направления, что становится все более важным фактором в странах развивающегося мира, население которых сокращается. Исследования взаимодействия человека с компьютером (HCI) также показывают, что распознавание образов с помощью ИИ будет играть решающую роль в расширении возможностей людей по использованию преимуществ компьютеризации. Когда-то специалисты HCI считали, что наша способность извлекать выгоду из компьютеров будет ограничена общим количеством времени, которое люди могут провести, сидя перед экраном и вводя символы с клавиатуры. Появление гиперконвергентной инфраструктуры на основе ИИ позволит расширить ее и уменьшит количество настроек, которые людям придется программировать вручную. В то же время ИИ — это всего лишь инструмент. Все инструменты имеют свои пределы и могут быть использованы не по назначению. Даже когда решения принимают люди, а не машины, слепое следование результатам протокола без каких-либо суждений может привести к катастрофическим результатам. Таким образом, будущие приложения ИИ, вероятно, будут включать как людей, так и машины, если они хотят реализовать свой потенциал».

Джозеф Констан , выдающийся профессор компьютерных наук, специализирующийся на взаимодействии человека с компьютером и искусственном интеллекте в Университете Миннесоты, предсказал: «Широкое распространение искусственного интеллекта имеет огромный потенциал для помощи в ключевых областях, которые затрагивают большую часть населения мира. , в том числе сельское хозяйство, транспорт (более эффективно доставлять людям продовольствие) и энергетика. Я ожидаю, что уже в 2030 году мы увидим существенные преимущества для многих, кто сегодня находится в неблагоприятном положении, включая пожилых людей и инвалидов (у которых будет больше возможностей для мобильности и поддержки) и тех, кто живет в беднейших частях мира».

Будущее работы: Одни предсказывают появление новой работы или поиск решений, в то время как другие глубоко обеспокоены массовой потерей рабочих мест и развалом общества. Эти дополнительные наблюдения дополняют обсуждение надежд и опасений по поводу будущего человеческих рабочих мест.

Этот сегмент начинается с комментариев от тех, кто надеется, что ситуация с работой и связанные с ней социальные проблемы будут складываться хорошо. Далее следуют заявления тех, кто настроен пессимистично.

Респонденты, положительно оценивающие будущее ИИ и работы

Боб Меткалф , член Зала славы Интернета, соавтор Ethernet, основатель 3Com, а ныне профессор инноваций и предпринимательства Техасского университета в Остине, сказал: «Пессимисты часто правы, но они никогда ничего не делают. Конечно, все технологии сопряжены с проблемами, но… как правило, они решаются. Самой сложной проблемой, которую я вижу, является эволюция работы. Трудно понять. Сорок процентов из нас раньше знали, как доить коров, но теперь это знают менее 1 процента. Мы все раньше говорили лифтерам, какой этаж нам нужен, а теперь нажимаем на кнопки. Большинство из нас сейчас водят автомобили, грузовики и поезда, но это скоро закончится. ИИ, скорее всего, не убьют рабочие места. Они будут выполнять часть работы, повышая производительность своих людей».

Стоу Бойд , основатель и управляющий директор Work Futures, сказал: «Существует высокая вероятность того, что неконтролируемое распространение ИИ может быстро привести к повсеместной безработице. Ставлю на то, что правительства вмешаются, чтобы регулировать распространение ИИ, чтобы замедлить последствия этого явления в результате беспорядков к середине 2020-х годов. Это регулирование может включать, например, запрет на использование ИИ в качестве менеджеров людей на рабочем месте, а только для увеличения работы людей на уровне задач или процессов. Таким образом, мы можем увидеть высокую степень автоматизации на складах, но в некотором смысле «главным» будет человек. Точно так же полностью автономные грузовые суда могут быть заблокированы правилами».

Анонимный респондент написал: «На протяжении всей истории люди неоднократно беспокоились о том, что новые технологии приведут к сокращению рабочих мест. Такого никогда не было, поэтому я очень сомневаюсь, что будет и в этот раз. При этом на рынке труда произойдут серьезные краткосрочные сбои, и разумные правительства должны начать планировать это, рассматривая изменения в страховании по безработице, универсальном базовом доходе, медицинском страховании и т. д. Это особенно характерно для Америки, где так много преимуществ связаны с работой. Я бы сказал, что вероятность того, что правительство США действительно сделает это, практически нулевая, поэтому в краткосрочной и среднесрочной перспективе будет много боли и страданий, но я действительно думаю, что в конечном итоге машины и люди будут мирно сосуществовать. Кроме того, я думаю, что многие прогнозы по использованию ИИ смехотворны. Несмотря на существование технологии, автоматизированные грузовики в ближайшее время не перейдут на автоперевозки из-за нерешенных юридических и этических проблем».

Стивен Миллер , вице-ректор и профессор информационных систем Сингапурского университета управления, сказал: «Полезно иметь представление об истории технологических изменений за последние несколько сотен лет (даже дольше). Несомненно, новые способы использования машин и новые возможности машин будут использованы для создания экономической деятельности и услуг, которые либо а) ранее были невозможны, либо б) ранее были слишком редкими и дорогими, а теперь могут быть многочисленными и недорогими. Это создаст много новых действий и возможностей. В то же время мы знаем, что некоторые существующие задачи и рабочие места с высокой долей этих задач будут все больше автоматизироваться. Таким образом, мы будем одновременно иметь как создание новых возможностей, так и технологическое смещение. Тем не менее, многолетний опыт показывает, что человеческое общество продолжает находить способы создания все более и более экономически жизнеспособных рабочих мест. Когнитивная автоматизация, очевидно, расширит сферы автоматизации, но даже при огромном прогрессе в этой технологии есть и будут ограничения. Люди обладают замечательными способностями справляться с изменениями и адаптироваться к ним, поэтому я не вижу «конца человеческой работы». Способы объединения людей и машин изменятся — и появится много новых типов симбиоза человека и машины. Те, кто это понимают и учатся извлекать из этого пользу, будут делать предложения».

Генри Э. Брэди , декан Школы государственной политики Голдмана Калифорнийского университета в Беркли, писал: «ИИ может заменить людей на работах, требующих сложного и точного сопоставления шаблонов — вождения, диагностики на основе медицинских изображений, вычитка и другие направления. Существует также тот факт, что в прошлом технологические изменения в основном приводили к появлению новых видов рабочих мест, а не к полному их устранению. Кроме того, я также считаю, что могут быть ограничения на то, что может делать ИИ. Он очень хорош в сопоставлении с образцом, но человеческий интеллект выходит далеко за рамки сопоставления с образцом, и неясно, смогут ли компьютеры конкурировать с людьми за пределами сопоставления с образцом. Также кажется очевидным, что даже самые лучшие алгоритмы потребуют постоянного внимания человека для их обновления, проверки и пересмотра».

Если мы примем неизбежную эволюцию технологий для замены избыточных задач, мы сможем побудить сегодняшнюю молодежь заниматься более творческими и стратегическими занятиями. Джефф Ливингстон

Джефф Ливингстон , писатель и футурист, прокомментировал: «Термин ИИ вводит людей в заблуждение. То, что мы должны назвать тенденцией, — это машинное обучение или алгоритмы. «Слабый» ИИ, как его называют, — современный ИИ — сокращает количество повторяющихся задач, которые большинство людей считают обыденными. Это, в свою очередь, дает возможность избежать ловушки пролетариата, будучи вынужденным монотонным трудом, чтобы заработать на жизнь. Вместо того, чтобы думать о «Терминаторе», мы должны рассматривать нынешнюю тенденцию как возможность искать и выполнять задачи, которые мы действительно любим, включая более творческие занятия. Если мы примем неизбежную эволюцию технологий для замены избыточных задач, мы сможем побудить сегодняшнюю молодежь заниматься более творческими и стратегическими занятиями. Кроме того, сегодняшние работники могут научиться управлять машинным обучением или пройти обучение, чтобы выбрать новую профессию, которая может им больше понравиться. Я боюсь, что многие просто отвергнут изменения и возложат вину на технологии, как это часто делалось. Можно утверждать, что большая часть сегодняшнего популистского восстания, которое мы наблюдаем во всем мире, уходит своими корнями в нынешние смещения, вызванные машинным обучением, типичным примером которого является интеллектуальное производство. Если это так, то движение вперед будет хлопотным, изобилующим темными изгибами и поворотами, о которых мы можем сожалеть как культуры и страны». 9« Разработка и внедрение искусственного интеллекта вызвали вопросы о влиянии, которое он окажет на занятость. Машины начинают заполнять рабочие места, которые традиционно предназначались для людей, такие как вождение автомобиля или выписывание рецептов на лечение. Как эти тенденции могут развиваться, является ключевым вопросом. Мы можем ожидать появления «сверхтруда», труда, определяемого сверхвысокой добавленной стоимостью человеческой деятельности благодаря дополнению с помощью ИИ. Помимо возможности развертывания ИИ, супер-работа будет характеризоваться творчеством и способностью совместно направлять и контролировать безопасное использование деловых возможностей вместе с настойчивостью в достижении поставленных целей. Примером может быть то, что, используя различных онлайн-работников с искусственным интеллектом (и, возможно, несколько человек-гигантов), максимально используя потенциал ИИ… во всех аспектах, от дизайна продукта до маркетинга и послепродажного обслуживания, три человека могут создать новую компанию. обслуживание и обеспечить его бесперебойную доставку, для чего сегодня потребовалась бы компания среднего размера. Мы можем ожидать роста неравенства между теми, кто имеет доступ и может использовать технологии, и теми, у кого их нет. Тем не менее, кажется более важным, насколько большой кусок совместно сгенерированного ИИ «пирога» доступен для всех граждан в абсолютном выражении (например, иметь достаточно для финансирования государственных услуг и других государственных расходов), что сделало бы всех лучше, чем в до -Возраст AI, чем относительное неравенство».

Йорам Кальман , доцент Открытого университета Израиля и член Центра интернет-исследований Хайфского университета, написал: «По сути, технологии, которые расширяют возможности людей, также улучшают их жизнь. Я вижу, что прогресс в области взаимодействия человека и машины расширяет возможности людей, улучшая их способность к общению и обучению, и, следовательно, мой оптимизм. Я не боюсь, что эти технологии заменят людей, поскольку история показывает, что люди снова и снова использовали технологии, чтобы увеличить свои способности и быть более реализованными. Хотя и в прошлом казалось, что эти технологии оставят людей безработными и бесполезными, человеческая изобретательность и человеческий дух всегда находили новые проблемы, с которыми лучше всего могли справиться люди».

Томас Х. Давенпорт , выдающийся профессор информационных технологий и менеджмента в Бэбсон-колледже и член Инициативы Массачусетского технологического института по цифровой экономике, ответил: «До сих пор большинство внедрений ИИ приводили к той или иной форме расширения, а не автоматизации. . Опросы менеджеров показывают, что относительно немногие из них считают потерю работы из-за автоматизации целью своих инициатив в области ИИ. Поэтому, хотя я уверен, что будут некоторые незначительные потери рабочих мест, я ожидаю, что ИИ высвободит работников, чтобы они могли быть более творческими и выполнять больше неструктурированной работы».

Иветт Вон , директор Лаборатории социального взаимодействия и эксперт по взаимодействию человека и компьютера в Технологическом институте Нью-Джерси, прокомментировала: «Искусственный интеллект естественным образом интегрируется в нашу повседневную жизнь. Несмотря на то, что люди обеспокоены тем, что компьютеры заменят рабочие места людей, в лучшем случае технология будет расширять человеческие возможности и выполнять функции, которые людям не нравятся. Мы надеемся, что умные фермы и подключенные системы распределения устранят городские продовольственные пустыни и позволят производить продукты питания в районах, не подходящих для сельского хозяйства. Искусственный интеллект также станет лучше связывать людей и оказывать немедленную поддержку людям, попавшим в кризисную ситуацию».

A главный архитектор крупной глобальной технологической компании ответил: «ИИ является необходимым условием для достижения мира после дефицита, в котором люди могут посвятить свою жизнь интеллектуальным занятиям и отдыху, а не труду. Первым шагом будет сокращение количества труда, необходимого для производства предметов первой необходимости. Чтобы уменьшить скуку, потребуются изменения в социальной ткани и экономических отношениях между людьми, поскольку спрос на рабочую силу сокращается ниже предложения, но если эти проблемы удастся решить, то все будут в лучшем положении».

Том Худ , эксперт по корпоративному учету и финансам, сказал: «К 2030 году ИИ будет означать расширенный интеллект и будет играть все возрастающую роль, работая бок о бок с людьми во всех секторах, чтобы добавить свои расширенные и обширные когнитивные и обучающие возможности для критически важных областей деятельности человека, таких как медицина, юриспруденция, бухгалтерский учет, инженерия и технологии. Представьте себе персонального бота на базе искусственного интеллекта, который работает рядом с вами (на вашем ноутбуке или смартфоне) и дает рекомендации по ключевым темам, предоставляя самые свежие исследования или распознавая ключевые закономерности и анализируя данные вашей организации? Одним из примеров является CPA в области налогообложения, учитывая сложную глобальную налоговую ситуацию на фоне постоянно меняющихся налоговых законов во всех юрисдикциях, которые могли бы исследовать и давать рекомендации по самым сложным глобальным вопросам за считанные секунды. Я надеюсь на будущее искусственного интеллекта в 2030 году, когда мы будем дополнять наш интеллект этими «машинами»»9.0003

A Профессор компьютерных наук, эксперт по системам, работающий в крупном технологическом университете США , написал: «К 2030 году мы должны ожидать прогресса в области ИИ, сетей и других технологий, обеспечиваемых ИИ и сетями, например, растущие районы. убедительных и мотивационных технологий, чтобы улучшить рабочие места во многих отношениях, помимо замены людей роботами».

Следующие остроты от анонимных респондентов выражают светлое будущее человеческих профессий:

• «История технологий показывает, что количество созданных новых ролей и рабочих мест, вероятно, превысит количество ликвидированных ролей и рабочих мест».
• «ИИ не будет конкурировать с человечеством, а будет дополнять его к лучшему».
• «Мы совершаем ошибку, когда ищем прямого воздействия, не рассматривая более широкую картину — мы беспокоимся о рабочем, которого уволит машина, вместо того, чтобы сосредоточиться на более широких возможностях для более подготовленной и здоровой рабочей силы, где география или доход больше не определяют доступ, а не не только к информации, но и к релевантным и подходящим информационным каналам».
• «ИИ может значительно повысить удобство использования и, таким образом, доступ к преимуществам технологий. Многие мощные технические инструменты сегодня требуют детальных знаний, и ИИ может сделать их доступнее для большей части населения».

Респонденты, опасающиеся влияния ИИ на работу

В предыдущем разделе этого отчета ряд ключевых экспертов высказал опасения по поводу потенциального негативного воздействия ИИ на социально-экономическое будущее, если в ближайшее время не будут предприняты шаги по адаптации к будущее с гораздо меньшим количеством рабочих мест для людей. Многие дополнительные респонденты, участвовавшие в этом опросе, разделяли опасения по этому поводу.

Вут де Натрис , консультант по киберпреступности и безопасности в Интернете из Роттердама, Нидерланды, написал: «Надежда: прогресс в области здравоохранения, образования, принятия решений, доступность информации, более высокие стандарты безопасности ИКТ, глобальное сотрудничество в эти проблемы и т. д. Страх: огромные слои общества, особенно средний класс, который поддерживает общество в большинстве случаев, например, через налоги, сбережения и покупки, останутся без работы из-за бесконечных экономических сокращений со стороны промышленности, а затем правительства из-за снижения налогов доход. От этого страдает все общество. Могут ли правительства и промышленность воздержаться от чрезмерной слежки? В противном случае ценности конфиденциальности продолжают снижаться, что приводит к снижению качества жизни».

Джонатан Таплин , почетный директор Анненбергской инновационной лаборатории Южно-Калифорнийского университета, написал: «Я боюсь, что нынешний политический класс совершенно не готов к потрясениям, которые ИИ и робототехника принесут в нашу экономику в больших масштабах. В то время как техноутописты указывают на всеобщий базовый доход как на возможное решение широкомасштабной безработицы, нет никаких признаков того, что кто-то в политике хочет такого решения. И поскольку я считаю, что осмысленная работа необходима для человеческого достоинства, я не уверен, что универсальный базовый доход вообще будет полезен».

Алекс Халавайс , адъюнкт-профессор социальных технологий Университета штата Аризона, написал: «ИИ, вероятно, быстро заменит многих работников в течение следующих 10 лет, и поэтому будут потенциально значительные негативные последствия для социальной и экономической уровне в краткосрочной перспективе».

Ута Руссманн , профессор кафедры коммуникаций Университета прикладных наук FHWien der WKW по менеджменту и коммуникациям, сказала: «Многие люди не выиграют от этого развития, поскольку роботы будут выполнять их работу. Синие воротнички, люди, работающие в супермаркетах, укладывающие полки и т. д., меньше не будут нужны, но рынок труда не предложит им других возможностей. Разрыв между богатыми и бедными будет увеличиваться по мере увеличения потребности в высококвалифицированных и очень хорошо оплачиваемых людях, а потребность в менее квалифицированных работниках резко сократится».

Росс Стэплтон-Грей , директор Stapleton-Gray and Associates, консалтинговой фирмы в области информационных технологий и политики, прокомментировал: «Взаимодействие человека и машины может быть как во благо, так и во вред. Огромное влияние на него окажут решения по социальным приоритетам. Возможно, мы находимся на переломном этапе в признании того, что социальное неравенство необходимо решать, поэтому, скажем, снижение потребности в человеческом труде из-за ИИ приведет к увеличению времени для отдыха, образования и т. д., а не к увеличению имущественного неравенства».

Аниш Аниш , автор книги «Глобальный труд: алгократические способы организации» и профессор Висконсинского университета в Милуоки, ответил: стране, вполне вероятно, что системы ИИ будут аналогичным образом автоматизировать сферу услуг. Если государство всеобщего благосостояния не вернется с удвоенной силой, трудно увидеть, как увеличение совокупного богатства приведет к каким-либо значимым выгодам для нижней половины общества».

Alper Dincel T.C. Стамбульский университет культуры в Турции пишет: «Неквалифицированные люди не найдут работу, поскольку в ближайшем будущем машины и программы займут легкую работу. Машины также решат проблемы с производительностью. У большинства людей нет светлого будущего, если мы не начнем искать решения».

Джейсон Эбботт , профессор и директор Центра азиатской демократии в Университете Луисвилля, сказал: «ИИ, вероятно, создаст серьезные проблемы для рабочей силы, поскольку ранее квалифицированные (полуквалифицированные) рабочие места заменяются ИИ — все от ИИ в грузовиках и дистрибуции до авиакомпаний, логистики и даже медицинских карт и диагнозов».

Кеннет Р. Флейшманн , адъюнкт-профессор Техасского университета в Школе информации Остина, ответил: «Я беспокоюсь, что в корпоративных условиях ИИ будет использоваться для замены людей в непропорциональной степени, так что сеть экономическая выгода от ИИ положительна, но эта экономическая выгода не распределяется равномерно между людьми: меньшее количество богатых людей во всем мире процветает, а большее количество менее богатых людей во всем мире страдает от меньшего количества возможностей для оплачиваемой работы».

Джерри Эллис , основатель и консультант по цифровым удобствам и доступности в Feel The BenefIT, ответил: «Технологии всегда гораздо быстрее разрабатывались и внедрялись в более богатых частях мира, чем в более бедных регионах, где новые технологии, как правило, отсутствуют. доступный. ИИ нельзя рассматривать как отдельную технологию, но в сочетании с другими конвергентными технологиями, такими как дополненная реальность, робототехника, виртуальная реальность, Интернет вещей, анализ больших данных и т. д. По оценкам, около 80% работ, которые будут выполняться в 2030 году еще не существует. Одна из причин, по которой неквалифицированные и особенно повторяющиеся рабочие места мигрируют в бедные страны, заключается в дешевой рабочей силе, но ИИ в сочетании с робототехникой начнет выполнять многие из этих работ. По совокупности всех этих причин большая часть населения Земли, проживающего в слаборазвитых и развивающихся странах, скорее всего, останется позади благодаря развитию технологий. Если потребности людей с ограниченными возможностями не учитываются при разработке технологий, связанных с ИИ, то же самое верно и для них (или, я должен сказать, «нас», поскольку я слепой)».

Карен Оутс , директор по развитию рабочей силы и финансовой стабильности La Casa de Esperanza, прокомментировала: «Постоянный рост использования ИИ не пойдет на пользу работающим беднякам и людям с низким и средним доходом. Работая с этими группами населения в течение 10 лет, я уже наблюдал, как многие из этих людей теряют работу, когда внедряются роботы и самоходные вилочные погрузчики. Хотя есть возможности программировать и обслуживать эти машины, на самом деле эти роли будут выполнять люди, обладающие необходимыми знаниями и образованием. Большинство работодателей не захотят инвестировать ресурсы в обучение сотрудников, если для этого не будет экономического стимула со стороны правительства. У многих низкооплачиваемых работников не будет уверенности в том, чтобы вернуться в школу, чтобы развить новые знания/навыки, когда они не добились успеха в прошлом. По мере расширения использования ИИ низкооплачиваемые работники потеряют свою маленькую нишу, которую они занимают в нашей экономике».

Пегги Лахаммер , директор отдела медицинских и биологических наук компании Robins Kaplan LLP и аналитик юридического рынка, прокомментировала: «Рабочие места будут продолжать меняться, и по мере их исчезновения будут создаваться новые. Эти изменения окажут влияние на общество, так как многие люди останутся без необходимых навыков».

Европейский профессор компьютерных наук, эксперт в области машинного обучения , прокомментировал: «Системы социальной сортировки, введенные ИИ, скорее всего, определят и еще больше укрепят существующий мировой порядок богатых и неимущих, делая социальную мобильность более сложной и ненадежной. учитывая непредсказуемость суждений о пригодности, основанных на искусственном интеллекте. Интересной проблемой, которую необходимо решить, будет тот факт, что первоначальные проекты ИИ будут иметь встроенные представления о том, что представляет собой «хорошо» или «правильно». Уровень гибкости, позволяющий вносить изменения в нормативные представления и суждения, будет иметь ключевое значение для обеспечения того, чтобы системы, управляемые ИИ, поддерживали, а не препятствовали продуктивным социальным изменениям».

Стивен Макдауэлл, , профессор коммуникаций Университета штата Флорида и эксперт в области новых медиа и управления интернетом, прокомментировал: «Большая часть нашей повседневной жизни состоит из рутины и привычек, которые мы повторяем, и ИИ может помочь в этих практиках. . Однако то, что некоторые вещи, которые мы делаем, повторяются, не означает, что они незначительны. Мы черпаем много смысла из того, что делаем ежедневно, еженедельно или ежегодно, независимо от того, делаем ли мы это сами или вместе с другими. Культурные обычаи, такие как приготовление пищи, покупки, уборка, координация и рассказывание историй, являются важными элементами построения наших семей и больших сообществ. Точно так же и на работе некоторые рутинные действия предсказуемы, но именно благодаря им мы обретаем чувство мастерства и опыта в определенной области. В обоих этих примерах нам придется подумать о том, как мы определяем знания, опыт, сотрудничество, рост и развитие».

Дэвид Сарокин , автор книги «Упущенная информация: лучшая информация для построения более богатого и устойчивого будущего», прокомментировал: «Меня больше всего беспокоит то, что наша система образования не будет соответствовать требованиям нашего времени. Он плохо справляется с обеспечением фундамента для наших студентов. По мере того, как машины с искусственным интеллектом узурпируют все больше и больше рабочих мест — от сборки автомобилей до переворачивания гамбургеров — тем, кто приступает к работе, потребуется уровень технической подготовки, которым в наши дни обладают немногие выпускники».

Джастин Эмикс , техник Comcast, сказал: «Меня беспокоит автоматизация. Автоматизация обычно происходит с рутинными задачами, которые заполняют низкооплачиваемую работу «синих воротничков». Эти рабочие места исчезнут — уход за газонами, водители грузовиков и фаст-фуд, и это лишь некоторые из них. Эти неквалифицированные или низкоквалифицированные работники останутся без работы. Если у нас не будет обучающих программ по уходу за рабочими, возникнут проблемы».

 

Будущее здравоохранения: большие надежды на спасение, продление и улучшение многих жизней, смешанные с опасениями по поводу неправомерного использования данных и разрывом между «имущими и неимущими»

Многие из этих экспертов возлагают большие надежды на дальнейший прогресс во всех аспектах здравоохранения и продления жизни. Они предсказывают расширение доступа к различным инструментам, в том числе цифровым агентам, которые могут проводить элементарные обследования без необходимости посещения клиники, сокращение медицинских ошибок и лучшее и более быстрое распознавание рисков и решений. Они также обеспокоены возможностью увеличения разрыва в медицинском обслуживании между теми, кто может позволить себе новейшие инструменты и методы лечения, и теми, кто менее привилегирован. Они также выражают обеспокоенность возможностью злоупотреблений данными, таких как отказ в страховании, покрытии или льготах для отдельных людей или процедур.

Леонард Клейнрок , член Зала славы Интернета и содиректор первого онлайн-соединения между хостами и профессор компьютерных наук Калифорнийского университета в Лос-Анджелесе, предсказал: «По мере совершенствования ИИ и машинного обучения, мы увидим очень индивидуальное взаимодействие между людьми и их потребностями в медицинской помощи. Эта массовая настройка позволит каждому человеку иметь свою историю болезни, профиль ДНК, аллергию на лекарства, генетический состав и т. д., всегда доступные для любого лица, осуществляющего уход/медицинского работника, с которым они взаимодействуют, и это также будет легко доступно для человека. Их уход будет адаптирован к их конкретным потребностям, и самые последние достижения смогут быть предоставлены быстро после того, как они будут установлены. Быстрое предоставление наилучшего медицинского лечения принесет большие выгоды. В больницах такая персонализированная информация значительно снизит количество медицинских травм и смертей из-за врачебных ошибок. Я надеюсь и ожидаю, что интеллектуальные агенты смогут оценить вероятные риски и выгоды, которые вытекают из предлагаемых методов лечения и процедур, намного лучше, чем это делают сейчас люди-оценщики, такие люди, даже эксперты, которые, как правило, плохо принимают решения в лицо неуверенности. Но для этого потребуются тщательно проведенные тесты и эксперименты для оценки качества результатов принятия решений на основе ИИ в этой области. Однако, как и в случае с любой «оптимизированной» системой, нужно постоянно осознавать хрупкость оптимизированных систем, когда они применяются за пределами своего диапазона применимости».

Кеннет Грейди , футуролог, основатель блога Algorithmic Society, адъюнкт и советник юридического колледжа Мичиганского государственного университета, ответил: что люди могут сделать. Это поможет нам просеивать, систематизировать и даже оценивать горы данных, которые мы создаем каждый день. Например, сегодня врачи все еще работают с разрозненными данными. Жизненно важные показатели каждого пациента, лекарства, дозы, результаты анализов и побочные эффекты остаются в изолированных системах. Врачи должны оценивать эти данные, не зная, как они соотносятся с тысячами других пациентов по всей стране (или миру) с аналогичными проблемами. Они изо всех сил пытаются превратить данные в эффективные методы лечения, читая исследовательские статьи и мысленно сравнивая их с данными каждого пациента. По мере развития ИИ будет улучшать процесс. Вместо эпизодических исследований врачи будут иметь доступ почти в режиме реального времени к информации, показывающей влияние режимов лечения. Преимущества и риски лекарственного взаимодействия будут определены быстрее. Новые методы лечения станут очевидными быстрее. Врачи по-прежнему будут управлять последней милей, интерпретируя анализ, созданный с помощью ИИ. Этот подход «человек в петле» будет оставаться критически важным на этом этапе. Каким бы мощным ни стал ИИ, он все равно не сможет сравниться с людьми в понимании того, как интегрировать лечение с ценностями. Когда семья пожертвует эффективностью лечения, чтобы продлить качество жизни? Когда конкурируют две опасные для жизни болезни, какую из них пациент захочет вылечить в первую очередь? Это будет важный этап обучения, поскольку люди понимают ограничения ИИ».

Чарльз Чжэн , исследователь машинного обучения и ИИ из Национального института психического здоровья, прокомментировал: «Я ожидаю, что в 2030 году ИИ будет более мощным, чем сейчас, но пока не на уровне человека для большинства задачи. Робот направит пациента, регистрирующегося в больнице, к нужному столу. Регистратору будет помогать программное обеспечение, которое прослушивает их разговор с пациентом и автоматически заполняет информационные поля, не требуя от регистратора ввода информации. Другая программа выполняет перекрестные ссылки на базу данных в облаке для проверки на наличие ошибок. Медицинские изображения пациента сначала будут автоматически помечены компьютерной программой, а затем отправлены рентгенологу».

Профессор компьютерных наук, эксперт по системам, работающий в крупном технологическом университете США , написал: «К 2030 году … устройства физиологического мониторинга (например, более низкие частоты сердечных сокращений и снижение уровня сахара в крови) могут указывать на более низкие уровни физической активности. Умные приложения могут обнаруживать ухудшение физического состояния (на индивидуальном уровне) и предлагать пользователю улучшения (например, сделать перерыв на кофе с перекусом). Конечно, могут быть крупномасштабные проблемы, вызванные искусственным интеллектом и роботами, например, массовая безработица, но последние тенденции, похоже, указывают на то, что небольшие улучшения, такие как описанные выше приложения для мониторинга состояния здоровья, было бы легче разработать и успешно развернуть».

Кеннет Кукер , автор и старший редактор The Economist, прокомментировал: «ИИ будет принимать больше решений в жизни, и некоторых людей это будет беспокоить. Но это решения, которые более эффективно выполняются машинами, такие как оценка страхового риска, готовность погасить кредит или пережить болезнь. Хорошим примером является здравоохранение: алгоритмы, а не врачи, будут диагностировать многие болезни, даже если врачи-люди все еще «в курсе». ».

Габор Мелли , старший директор по разработке искусственного интеллекта и машинного обучения Sony PlayStation, ответил: «Я надеюсь, что к 2030 году большая часть человечества будет иметь свободный доступ к здравоохранению и образованию через цифровых агентов».

Кейт Эдденс , научный сотрудник Института сетевых наук Университета Индианы, ответила: «У ИИ есть возможность улучшить способность человека получать важную информацию при принятии решений, особенно в сфере здравоохранения. Есть так много движущихся частей и компонентов для понимания потребностей в медицинской помощи и принятия решения о том, как действовать в лечении и профилактике. С помощью ИИ мы можем программировать алгоритмы, помогающие усовершенствовать эти процессы принятия решений, но только тогда, когда мы обучаем инструменты ИИ человеческому мышлению, огромному количеству реальных данных, реальных обстоятельств и опыта. В некоторых случаях человеческие предубеждения и эмоции могут мешать принятию решений. Например, рак груди гипердиагностируется и лечится. Хотя рекомендации по маммографии были изменены, чтобы попытаться отразить эту реальность, сильные человеческие эмоции, вызванные анекдотичным опытом, заставляют некоторых практикующих врачей не желать менять свои рекомендации, основанные на доказательствах, а группы защиты не хотят менять свою позицию из-за общественного протеста. Возможно, у ИИ есть возможность рассчитать более конкретный риск для каждого отдельного человека, что позволит получить индивидуальный опыт в рамках более широких рекомендаций. Если рекомендации по скринингу меняются на «рекомендуется на основе индивидуального риска», это снижает нагрузку как на поставщика медицинских услуг, так и на человека. Людям по-прежнему приходится принимать собственные решения, но они могут сделать это, имея больше информации и лучше понимая свой собственный риск и вознаграждение. Это такой низкотехнологичный и простой пример ИИ, но в котором ИИ может — что важно — дополнять процесс принятия решений человеком, не заменяя его».

Анжелика Хедберг , старший аналитик по корпоративной стратегии в RTI International, сказала: «Самые большие успехи и достижения будут в области здоровья — физического, психического и экологического. Улучшения окажут положительное влияние на образование, работу, гендерное равенство и сокращение неравенства. ИИ изменит наше понимание медицинской помощи, оптимизируя существующие процессы и одновременно переопределяя то, как мы отвечаем на вопросы о том, что значит быть здоровым, предоставляя помощь на более ранних этапах цикла благодаря достижениям в диагностике и оценке, т. е. в будущем профилактическая помощь выявляет и инициирует лечение болезни до появления симптомов. Успехи не будут ограничены людьми; они будут включать животных и искусственную среду. Это будет происходить по всему спектру заболеваний. Продвинутая «омика» позволит принимать более правильные решения. Будет толчок и притяжение со стороны рынка и отдельных лиц. Это глобальная история, в которой в течение следующего десятилетия будут разыгрываться фрагментарные и прерывистые движения, поскольку мы наблюдаем совершенно разные эксперименты в области здравоохранения по всему миру. Это будущее полно надежд для отдельных людей и сообществ. Я больше всего надеюсь на людей с ограниченными возможностями и тех, кто в настоящее время живет с ограниченными возможностями. Я рад сообществам и межличностным связям, поскольку работа в этом будущем позволит и повысит ценность человеческого опыта. Прогресс часто виден только в ретроспективе; Я надеюсь, что скорость экспоненциальных изменений позволит всем воспользоваться преимуществами этого сотрудничества».

Анонимный респондент написал: «Я надеюсь, что в здравоохранении ИИ улучшит диагностику и уменьшит количество ошибок. Врачи не могут вспомнить все возможности; у них проблемы с соотнесением всех симптомов и распознаванием закономерностей. Надеюсь, что в будущем пациентов будут опрашивать компьютеры, которые будут соотносить описанные симптомы с результатами анализов. Я надеюсь, что с дальнейшим развитием ИИ и когнитивных вычислений в отчетах о медицинской визуализации и диагностике будет меньше ошибок».

Эдуардо Вендрелл , профессор компьютерных наук Политехнического университета Валенсии в Испании, ответил: «В области здравоохранения появится множество решений, которые позволят нам предвидеть текущие проблемы и более эффективно обнаруживать другие рискованные ситуации. Использование личных гаджетов и других бытовых устройств позволит напрямую взаимодействовать со специалистами и учреждениями в любой ситуации опасности или ухудшения нашего здоровья».

…Я предвижу более активное развитие мобильных (удаленных) медицинских услуг 24/7 и персонализированной медицины благодаря искусственному интеллекту и сотрудничеству человека и машины в полевых условиях. Моника Муреро

Моника Муреро , директор Международного института E-Life и доцент кафедры социологии новых технологий Неаполитанского университета Федерико II в Италии, прокомментировала: «В здравоохранении я предвижу положительные результаты. с точки зрения уменьшения человеческих ошибок, которые в настоящее время все еще приводят к нескольким сбоям. Кроме того, я предвижу более широкое развитие мобильных (удаленных) медицинских услуг 24/7 и персонализированной медицины благодаря ИИ и сотрудничеству человека и машины в полевых условиях».

Ута Руссманн , профессор кафедры коммуникаций Университета прикладных наук FHWien der WKW для управления и коммуникации, сказала: «Продолжительность жизни увеличивается (во всем мире), и сотрудничество человека и машины/ИИ поможет пожилым людям управлять своими жить самостоятельно, заботясь о них, помогая им по хозяйству (выносить мусор, убирать и т. д.), а также составлять им компанию — точно так же, как это делают кошки и собаки, но это будет гораздо более «продвинутый» подход. ‘ взаимодействие.»

Линдси Андерсен , активист на стыке прав человека и технологий для Freedom House и Internews, в настоящее время занимающийся исследованиями в Принстонском университете, прокомментировала: «ИИ расширит человеческий интеллект. Например, в здравоохранении это поможет врачам более точно диагностировать и лечить заболевания, а также постоянно контролировать пациентов из группы высокого риска с помощью медицинских устройств, подключенных к Интернету. Это принесет медицинскую помощь в места с нехваткой врачей, что позволит работникам здравоохранения диагностировать и лечить заболевания в любой точке мира и предотвращать вспышки заболеваний до их начала».

Анонимный респондент сказал: «Самое важное место, где ИИ будет иметь значение, — это здравоохранение пожилых людей. Личные помощники уже способны выполнять множество важных задач, чтобы помочь пожилым людям оставаться дома. Но добавление к этому обнаружению эмоций, более глубокому мониторингу здоровья и диагностике на основе ИИ, несомненно, повысит эффективность этих инструментов».

Денис Парра , доцент кафедры компьютерных наук в Школе инженерии Папского католического университета Чили Чили, прокомментировал: «Я живу в развивающейся стране. Хотя у ИИ есть потенциальные негативные аспекты (потеря рабочих мест), для людей с ограниченными возможностями технология ИИ может улучшить их жизнь. Я представляю, как люди входят в правительственное учреждение или медицинское учреждение, где люди с нарушениями зрения или слуха могут без особых усилий взаимодействовать, чтобы заявлять о своих потребностях и решать свои информационные потребности».

Тимоти Леффель , научный сотрудник Национального центра изучения общественного мнения (NORC) Чикагского университета, сказал: «Формальные транзакции и взаимодействия особенно созрели для автоматизации. Это может быть полезно в тех случаях, когда человеческая ошибка может вызвать проблемы, например, для хорошо понятного диагностического медицинского тестирования».

Жан-Даниэль Фекете , исследователь взаимодействия человека и компьютера в INRIA во Франции, сказал: «Люди и машины будут больше интегрироваться, улучшая здоровье за ​​счет мониторинга и облегчения с помощью машинного управления. Тогда личные данные станут еще более откровенными и навязчивыми, и их следует держать под личным контролем».

Джо Уиттакер , бывший профессор наук и заместитель директора программы НАСА GESTAR, ныне заместитель ректора Университета штата Джексон, ответил: «Я надеюсь, что ИИ/человеко-машинный интерфейс станет обычным явлением, особенно в академических исследованиях. и арена здравоохранения. Я предвижу значительный прогресс в интерфейсе мозг-машина, чтобы облегчить смягчение физических и умственных проблем. Аналогичные применения в робототехнике следует использовать и для помощи пожилым людям».

Джеймс Гэннон , глобальный руководитель отдела eCompliance для новых технологий, облачных вычислений и кибербезопасности в Novartis, ответил: «Искусственный интеллект повысит скорость и доступность для разработки лекарств и методов лечения по орфанным показаниям. ИИ поможет обычному человеку в общем образе жизни и управлении здравоохранением».

Джей Сандерс , президент и главный исполнительный директор Global Telemedicine Group, ответил: «ИИ привнесет коллективный опыт в точку принятия решений, а в здравоохранении коллективный опыт у постели больного спасет множество жизней, потерянных из-за индивидуальных медицинских ошибок. ».

Джефф Арнольд , технический директор организации Verizon Smart Communities, сказал: «Одной из наиболее важных тенденций в течение следующих 12 лет является старение населения и высокие затраты на обеспечение ухода и мобильности. ИИ обеспечит лучшую диагностику медицинских и когнитивных проблем на основе данных и облегчит доступный паратранзит на основе AV для менее мобильных. Он будет поддерживать, а не заменять тех, кто ухаживает за людьми».

Джон Лаззаро , бывший профессор электротехники и компьютерных наук Калифорнийского университета в Беркли, прокомментировал: «Когда я сегодня посещаю своего лечащего врача, она тратит довольно много времени, печатая в приложении скорой помощи, пока разговаривает со мной. . В этом смысле компьютер уже прибыл в клинику. Система искусственного интеллекта, которая освободит ее от этой канцелярской задачи — которая может слушать и наблюдать и преобразовывать взаимодействие врача и пациента в полезные данные — была бы улучшением. Более продвинутая система искусственного интеллекта могла бы формировать «второе мнение» на основе этих данных по мере того, как назначение разворачивается, незаметно консультируя врача через носимое устройство. Конечной целью является снижение количества «фальстартов» в стационарной диагностике. Если вы читали колонки Лизы Сандер в «Нью-Йорк Таймс», где она прослеживает цепочку сложных диагнозов, вы понимаете реальную клиническую проблему, которую решает эта система».

Стив Фарнсворт , директор по маркетингу Demand Marketing, прокомментировал: «Машинное обучение и искусственный интеллект предлагают инструменты для превращения этих данных в полезные данные. Один проект с использованием машинного обучения и больших данных уже смог правильно предсказать СВДС в 94% случаев. Представьте себе, что ИИ занимается диагностикой, тестами и успешным лечением миллионов медицинских случаев. Мы мгновенно получили бы поток новых лекарств и узнали бы наиболее эффективные варианты лечения, используя только те данные, лекарства и методы лечения, которые у нас есть сейчас. Скачок только в качественном медицинском обслуживании людей ошеломляет. Это только одно приложение для ИИ».

Даниэль Севиорек , профессор Института взаимодействия человека и компьютера Университета Карнеги-Меллона, предсказал: «ИИ позволит системам выполнять трудоемкие операции там, где не хватает рабочей силы. Например, рассмотрим восстановление после травмы. Не хватает физиотерапевтов для контроля и корректировки упражнений. ИИ позволит виртуальному тренеру контролировать, исправлять и поощрять пациента. Виртуальные тренеры могут принимать образ человека-компаньона или домашнего животного, позволяя стареющему населению жить независимо».

Джоли Макфи , президент Нью-Йоркского отделения Internet Society, прокомментировала: «ИИ принесет много пользы людям с ограниченными возможностями и проблемами со здоровьем. Большая часть стареющего поколения бэби-бумеров будет в этой категории».

Общие надежды на будущее здравоохранения сдерживаются опасениями, что неравенство в доступе к наилучшему медицинскому обслуживанию сохранится, и опасениями, что частные медицинские данные могут быть использованы для ограничения выбора людей.

Крейг Бердетт , респондент, не предоставивший никаких идентифицирующих деталей, написал: «Хотя большая часть ИИ, вероятно, будет положительным преимуществом, возможная темная сторона ИИ может привести к потере свободы действий для некоторых. Например, в медицинских учреждениях более широкое использование ИИ может позволить более состоятельным пациентам получить доступ к значительно более совершенным диагностическим агентам. В сочетании с командой поддерживающей терапии эти пациенты могут получить более качественное лечение и более широкий спектр вариантов лечения. И наоборот, менее обеспеченные пациенты могут быть переведены на автоматизированные диагностические и лечебные установки с небольшими возможностями взаимодействия для изучения альтернативных методов лечения. ИИ мог бы эффективно управлять долгосрочными расходами на здравоохранение, предлагая меньшее лечение (и неоптимальные показатели выздоровления) людям, которые, как считается, имеют более низкий статус. Рассмотрим двух пациентов с диабетом. Один пациент после постановки диагноза меняет свой режим питания и физических упражнений (что подтверждается встроенными диагностическими инструментами), и ему было бы полезно более продвинутое лечение. Второй пациент не может изменить свое поведение, что приводит к серьезному продолжающемуся лечению, которого можно было бы избежать, если бы он просто изменил образ жизни. ИИ может субъективно оценить, что пациент мало интересуется собственным здоровьем, и отказаться от более дорогих вариантов лечения, что приведет к сокращению продолжительности жизни и общей экономии средств».

Sumandra Majee , архитектор F5 Networks Inc., сказала: «ИИ, глубокое обучение и т. д. станут частью повседневной жизни в развитых странах. Это потенциально увеличит разрыв между технически подкованными и экономически обеспеченными людьми, а также людьми с ограниченным доступом к технологиям. Тем не менее, я надеюсь, что в области здравоохранения, особенно когда речь идет о диагностике, ИИ значительно расширит поле, позволив врачам выполнять свою работу намного лучше. Многие из рутинных аспектов осмотров могут быть выполнены с помощью технологий. Нет причин, по которым эксперт должен участвовать в базовом A/B-тестировании, чтобы прийти к выводу. Машины могут быть реализованы для этих задач, и врачи-люди должны выполнять только критические части. Я вижу, что ИИ играет отрицательную роль в образовании, где учащиеся часто не могут выполнять тяжелую работу по обучению на собственном опыте. На самом деле это может сделать население тупее».

Тимоти Грэм , научный сотрудник с докторской степенью в области социологии и компьютерных наук в Австралийском национальном университете, прокомментировал: «В здравоохранении мы видим, что существующие системы уже подвергаются резкой критике (например, система My Health Record в Австралии или NHS). Цифровая программа), потому что они подталкивают граждан к использованию системы с помощью механизма «отказа», и есть опасения, что те, кто не отказывается, могут быть профилированы, нацелены и / или им будет отказано в доступе к услугам на основе их собственных данных. ”

Валари Белл , социолог из Университета Северного Техаса, прокомментировала: «Допустим, медицинский диагноз будет передан машинам, компьютерам и робототехнике — как будут сообщаться стрессовые прогнозы? Будет ли голограмма или компьютер сообщать «плохие новости» вместо врача? Учитывая присущие индустрии здравоохранения мотивы получения прибыли, им было бы легко обосновать, насколько дешевле было бы просто иметь устройства для диагностики, назначения лечения и ухода за пациентами, не заботясь о важности человеческого прикосновения и взаимодействия. Таким образом, мы можем превратиться в систему здравоохранения, в которой богатые на самом деле получают врача-человека, а все остальные или, по крайней мере, бедные и незастрахованные — робота».

Следующие остроты от анонимных респондентов также связаны с будущим здравоохранения:

• «Люди могут использовать виртуального врача для получения информации и ответов первого уровня; столько времени можно было бы сэкономить!»
• «Слияние науки о данных и искусственного интеллекта может принести пользу стратегическому планированию будущих исследований и разработок, которые должно предпринять человечество».
• «Я вижу экономическую эффективность и достижения в профилактической медицине и лечении болезней, однако я думаю, что будет много неблагоприятных последствий».
• «Данные могут уменьшить количество ошибок — например, при четком учете побочных эффектов лекарства или использовании нескольких лекарств».
• «Сотрудничество человека, машины и ИИ уменьшит барьеры на пути к надлежащему лечению за счет улучшения учета и профилактических мер».
• «ИИ может взять на себя многие административные задачи, которые должны выполнять нынешние врачи, что позволит им проводить больше времени с пациентами».

Будущее образования: большие надежды на успехи в адаптивном и индивидуализированном обучении, но некоторые сомневаются в том, что будет какой-либо значительный прогресс, и обеспокоены цифровым разрывом

За последние несколько десятилетий как эксперты, так и любители предсказали, что интернет окажет масштабное влияние на образование. Многие из этих надежд не оправдали обмана. Некоторые респонденты этого опроса сказали, что появление ИИ может способствовать этим изменениям. Они ожидают увидеть больше вариантов доступных адаптивных и индивидуализированных учебных решений, в том числе цифровых агентов или «помощников ИИ», которые улучшают взаимодействие и эффективность взаимодействия между учениками и учителями.

Барри Чудаков , основатель и руководитель Sertain Research и автор «Metalifestream», прокомментировал: «В среде обучения искусственный интеллект может окончательно разрушить модель обучения «удерживай-чтобы-знать» (и повторяй). Знание больше не удерживает — это делает машинный интеллект; он устанавливает важные связи. «Подключение и ассимиляция» становится новой моделью обучения».

Лу Гросс , профессор математической экологии и эксперт в области сетевых вычислений, пространственной оптимизации и моделирования экологических систем в Университете Теннесси в Ноксвилле, сказал: «Я вижу, что ИИ помогает в индивидуальном обучении и обучении способами, которые в настоящее время недоступны или слишком дороги. Во всем мире есть множество школьных систем, которые имеют некоторые технологии, но используют их очень ограниченными способами. Использование ИИ обеспечит лучшее адаптивное обучение и поможет достичь цели учителя по персонализации обучения на основе успеваемости каждого учащегося».

Гай Леви , директор по инновациям Центра образовательных технологий в Израиле, написал: «В сфере образования ИИ будет способствовать персонализации, которая почти по определению способствует мотивации. Возможность постоянно продвигать обучение с помощью личного помощника ИИ, который открывает новые пути обучения, меняет правила игры. Помощники ИИ также будут общаться друг с другом и будут организовывать командную работу и сотрудничество. Помощники ИИ также смогут управлять различными методами обучения, такими как продуктивная неудача, обучение и другие инновационные методы обучения».

Мика Альтман , старший научный сотрудник Брукингского института и главный научный сотрудник программы по информатике в библиотеках Массачусетского технологического института, написал: «Эти технологии помогут адаптировать обучение (и другие среды) к потребностям каждого человека путем перевода язык, помогая памяти и предоставляя нам обратную связь о нашем собственном эмоциональном и когнитивном состоянии, а также об окружающей среде. Нам всем нужна адаптация; каждый из нас, практически каждый день, время от времени бывает утомленным, рассеянным, рассеянным или нервным, что ограничивает наше обучение, понимание и взаимодействие с другими. ИИ может помочь нам лучше взаимодействовать с миром — даже в неидеальных условиях — и лучше понимать самих себя».

Шигеки Гото, Пионер Интернета в Азиатско-Тихоокеанском регионе, член Зала славы Интернета и профессор компьютерных наук в Университете Васэда, прокомментировал: «ИИ уже применяется в персонализированной медицине для отдельного пациента. Точно так же он будет применяться к обучению или образованию для реализации «индивидуального обучения» или индивидуального обучения. Нам нужно собирать данные, которые охватывают как успешное обучение, так и опыт неудач, потому что машинное обучение требует положительных и отрицательных данных».

Андреас Кирш , сотрудник Newspeak House, ранее работавший в Google и DeepMind в Цюрихе и Лондоне, написал: «Высшее образование за пределами обычных академических кругов получит дополнительную пользу от прогресса ИИ и предоставит большему количеству людей доступ к знаниям и информации. Например, улучшится система вопросов и ответов. Технология, подобная Google Translate и WaveNet, снизит барьер в получении знаний для не говорящих по-английски. В то же время детский труд сократится, потому что роботы смогут выполнять задачи намного дешевле и быстрее, что заставит правительства Азии искать реальные решения».

Кристин Дженкинс, , исполнительный директор Консорциума учебных программ BioQUEST, сказала: «Одним из преимуществ этой технологии является возможность иметь действительно эффективные, гибкие образовательные ресурсы. Мы знаем, что учащиеся выигрывают от немедленной обратной связи и возможности неоднократно практиковаться в применении новой информации для повышения мастерства. Системы искусственного интеллекта идеально подходят для анализа успеваемости учащихся, предоставления дополнительной практики там, где это необходимо, и перехода к новому материалу, когда учащиеся готовы. Это позволяет инструкторам уделять время более сложному обучению, в том числе навыкам 21 века».

Майк Мейер , директор по информационным технологиям муниципального колледжа Гонолулу, прокомментировал: «Доступность и актуальность образования для взрослых претерпит значительные изменения. Общественные колледжи станут более непосредственными общественными центрами как для профессиональной подготовки, так и для значительно расширенных факультативных гуманитарных наук, искусства, ремесел и хобби. К 2030 году классы будут преимущественно основаны на дополненной реальности, с полным набором физических и виртуальных студентов в классах, представленных в виртуальных классах национальными и международными университетами и организациями. Движущей силой будет расширение знаний для личного интереса и удовольствия, поскольку всеобщий базовый доход или справедливость заменят автоматизированные задачи, которые обеспечивали пропитание в старой системе».

Дженнифер Грофф , соучредитель Центра перепроектирования учебных программ, международной неправительственной организации, занимающейся перепроектированием образования в 21 веке, написала: «Влияние на обучение и учебную среду может стать одним из наиболее позитивные результаты в будущем. Обучение в значительной степени неосязаемо и невидимо, что делает его «черным ящиком», и наши инструменты для захвата и поддержки обучения до сих пор были архаичными. Подумайте о масштабной оценке. Учащиеся нуждаются в инструментах, которые помогут им понять, на каком этапе обучения они находятся, как им лучше всего учиться, что им нужно дальше и так далее. Мы только начинаем использовать технологии, чтобы лучше отвечать на эти вопросы. У ИИ есть потенциал, чтобы помочь нам лучше понять обучение, получить представление об учащихся в масштабе и, в конечном итоге, создать для них лучшие инструменты и системы обучения. Но как крупная социальная система она также подвержена осложнениям плохой государственной политики, которая в конечном итоге искажает и уменьшает потенциальное положительное влияние ИИ».

Нортон Гаски , консультант по образовательным технологиям, написал: «К 2030 году большинство учащихся будут иметь личные профили, которые будут использовать ИИ/машинное обучение. Обучение будет происходить везде и в любое время. Будут соответствующие фильтры, которые ограничат влияние ИИ, но этические соображения также будут проблемой».

Клифф Зукин , профессор государственной политики и политологии Школы планирования и государственной политики Университета Рутгерса и Иглтонского института политики, сказал: для лучших решений и демократизации. Для меня образование всегда было фактором, уравновешивающим статус, в некоторой степени поправляя удачу при рождении и социальную мобильность. Это будет похоже на «Фонд» Азимова, где все подключены к сфере данных. Есть темная сторона (позже), но в целом положительная».

Однако некоторые ожидают, что цифровой разрыв в образовании сохранится, при этом привилегированные будут иметь больший доступ к продвинутым инструментам и больше возможностей для их эффективного использования, в то время как менее привилегированные будут отставать.

Хеннинг Шульцринн , сопредседатель технического комитета Интернета Общества коммуникаций IEEE, профессор Колумбийского университета и член Зала славы Интернета, сказал: «Образование, осуществляемое через человека, станет предметом роскоши. Часть обучения на уровне средней школы и колледжа будет проводиться частично с помощью видео и заданий с оценкой ИИ с использованием платформ, аналогичных сегодняшним моделям МООК [массовых открытых онлайн-курсов], без участия человека, чтобы справиться с растущими затратами на образование (‘ робо-ТА’).

Огромные слои общества останутся позади или будут полностью лишены доступа к преимуществам цифровых достижений — многие люди из недостаточно обслуживаемых сообществ, а также другие лица, испытывающие социально-экономические трудности. Joe Whittaker

Joe Whittaker , бывший профессор наук и заместитель директора программы НАСА GESTAR, ныне заместитель ректора Университета штата Джексон, ответил: «Огромные слои общества будут оставлены позади или полностью исключены из преимущества цифровых достижений — многие люди в малообеспеченных сообществах, а также другие лица, испытывающие социально-экономические трудности. Это связано с тем, что эти люди, как правило, будут недостаточно подготовлены, с небольшим цифровым обучением или базой знаний или вообще без них. У них редко есть доступ к относительно повсеместному Интернету, за исключением случаев, когда они находятся в школе или на работе. Ясно, что дети этих людей окажутся в очень невыгодном положении».

Некоторые свидетели эволюции технологий за последние несколько десятилетий считают, что их самый позитивный потенциал был разочаровывающе отложен. Увидев более медленный, чем ожидалось, прогресс влияния технологий на государственное образование с 1990-х годов, они меньше других надеются.

Эд Лайелл , давний эксперт по образовательным технологиям и профессор Государственного университета Адамса, сказал, что образование до сих пор сдерживается тиранией статус-кво. Он написал: «К 2030 году обучение на протяжении всей жизни станет более распространенным для всех возрастов. Инструменты уже существуют, включая Khan Academy и YouTube. Нам не нужно знать так много, просто нам нужно найти информацию, когда мы этого захотим. У нас будет «обучение по запросу», круглосуточное и без выходных. Из-за этого занятия в сидячих классах будут все больше и больше мешать нашему обучению. Самый большой негатив будет исходить от тех, кто защищает нынешнее статус-кво образование, включая учителей/факультетов, школьные советы и администраторов колледжей. Они защищают свою роль, основанную на зарплате или эго. Им потребуется обучение, консультирование и помощь, чтобы принять существующие и предстоящие изменения, которые принесут пользу всем учащимся. Часть проблемы сейчас заключается в том, что они не хотят признать реальность того, какими сегодня являются современные школы. Некоторые хорошо справляются со своей задачей, но в основном они обслуживают уже более умные сообщества с более высокими доходами. Родители борются за то, чтобы у их детей была такая школа, как они пережили, забыв насколько это было неэффективно и часто бесполезно. ИИ может помочь настроить учебные программы для каждого учащегося и направлять/отслеживать их путь через несколько учебных мероприятий, включая некоторые существующие школы, обучение на рабочем месте, обучение на основе компетенций, стажировки и т. д. Вы уже можете узнать гораздо больше и более эффективно, используя онлайн-ресурсы, чем почти все уроки, которые я посещал в государственной школе и колледже, вплоть до получения докторской степени».

Консультант и аналитик также сказал, что прогресс в образовании сдерживается укоренившимся интересом к унаследованным системам образования, написав: — школьная модель. Как мы видели за последние 30 лет, применение искусственного интеллекта в области человеко-машинного интерфейса расширилось во многих неожиданных направлениях. Кто бы мог подумать в конце 1970-х годов, что широта сегодняшних онлайновых (т. е. Интернет) возможностей может проявиться? Я считаю, что мы только видим начало преимуществ человеко-машинного интерфейса для человечества. Институционализированная модель образования должна быть устранена, чтобы обеспечить рост образования каждого человека. Человеческий мозг может «обучаться» 24 часа в сутки разумными «педагогами», которые в будущем могут даже не стать людьми. Доступ к информации больше не является препятствием, как это было 50 лет назад. Следующим шагом сейчас является устранение барьера структурированного обучения человека в классе».

Брок Хинцманн , партнер Business Futures Network, проработавший 40 лет исследователем фьючерсов в SRI International, выразил надежду в своих комментариях, но также сделал серьезное предупреждение. Он писал: «Большинство улучшений в технологиях, которые мы называем ИИ, будут включать машинное обучение на основе больших данных для повышения эффективности систем, что улучшит экономику и благосостояние. Это улучшит распознавание эмоций и намерений, улучшит человеческие чувства и повысит общую удовлетворенность интерфейсами человек-компьютер. Также будут злоупотребления при отслеживании личных данных и эмоций и при контроле человеческого поведения, которые мы должны своевременно распознавать и пресекать. Интеллектуальные машины будут распознавать закономерности, которые приводят к сбоям в работе оборудования или дефектам в конечных продуктах, и смогут исправить состояние или отключиться и точно определить проблему. Автономные транспортные средства смогут анализировать данные от других транспортных средств и датчиков на дорогах или находящихся поблизости людях, чтобы распознавать изменяющиеся условия и избегать аварий. В образовании и обучении системы обучения ИИ будут распознавать предпочтения в обучении, стили и прогресс отдельных лиц и помогать направлять их к лично удовлетворительному результату.

«Однако правительства или религиозные организации могут отслеживать эмоции и действия с помощью ИИ, чтобы направлять их «чувствовать» определенным образом, отслеживать их и наказывать, если их эмоциональные реакции на работе, в образовании или в общественных местах не соответствуют какая-то норма. Образование может стать индоктринацией; демократия может стать автократией или теократией».

Почему общий искусственный интеллект не будет реализован

Введение

Идея машин, которые могут выполнять задачи, требующие интеллекта, восходит как минимум к Декарту и Лейбницу. Однако проект сделал большой шаг вперед, когда в начале 19В 50-х годах было признано, что электронные компьютеры являются не только устройствами для обработки чисел, но и могут манипулировать символами. Это было рождением исследований искусственного интеллекта (ИИ). Можно преследовать эту цель, не предполагая, что машинный интеллект идентичен человеческому. Например, один из пионеров в этой области, Марвин Мински, определил ИИ как: «… науку о том, как заставить машины делать то, что потребовало бы интеллекта, если бы это делали люди» (цитата по Bolter, 1986, стр. 19).3). Иногда это называют слабым ИИ. Однако многие исследователи ИИ преследовали цель разработки ИИ, в принципе идентичного человеческому интеллекту, называемого сильным ИИ. Отсюда следует, что «…должным образом запрограммированный компьютер — это разум в том смысле, что можно буквально сказать, что компьютеры понимают и имеют другие когнитивные состояния» (Searle, 1980, стр. 417).

В этой статье я буду использовать другую терминологию, которая лучше подходит для обсуждаемых вопросов. Поскольку человеческий интеллект является общим, человекоподобный ИИ часто называют искусственным общим интеллектом (AGI). Хотя ИИ обладает важным свойством человеческого интеллекта, его все же можно считать слабым ИИ. Тем не менее, он отличается от традиционного слабого ИИ, который ограничен конкретными задачами или областями. Поэтому традиционный слабый ИИ иногда называют искусственным узким интеллектом (УНИ) (Shane, 2019)., п. 41). Хотя я иногда буду говорить о сильном ИИ, основное различие в этой статье — между ОИИ и АОН. Важно, чтобы они были разделены. Достижения в ANI не являются достижениями в AGI.

В 1976 году Джозеф Вейценбаум, в то время профессор информатики Массачусетского технологического института и создатель знаменитой программы Элиза , опубликовал книгу Мощность компьютера и человеческий разум (Weizenbaum, 1976). Как видно из названия, он проводил различие между мощностью компьютера и человеческим разумом. Мощность компьютера — это, в современной терминологии, способность использовать алгоритмы с огромной скоростью, то есть АОН. Компьютерная мощь никогда не превратится в человеческий разум, потому что они принципиально разные. «Человеческий разум» включал бы в себя благоразумие и мудрость Аристотеля. Благоразумие — это способность принимать правильные решения в конкретных ситуациях, а мудрость — это способность видеть целое. Эти способности не являются алгоритмическими, и поэтому мощность компьютера не может — и не должна — заменить человеческий разум. Математик Роджер Пенроуз несколько лет спустя написал две крупные книги, в которых показал, что человеческое мышление в своей основе не алгоритмично (Пенроуз, 1989, 1994).

Однако мои аргументы будут несколько отличаться от аргументов Вейценбаума и Пенроуза. Я продолжу линию аргументов, первоначально представленных философом Хьюбертом Дрейфусом. Он попал в исследования ИИ более или менее случайно. Он проделал работу, связанную с двумя философами Мартином Хайдеггером и Людвигом Витгенштейном. Эти философы представляли собой разрыв с господствующей западной философией, поскольку они подчеркивали важность человеческого тела и практической деятельности как первостепенных по сравнению с миром науки. Например, Хайдеггер утверждал, что у нас может быть понятие молотка или стула только потому, что мы принадлежим к культуре, в которой мы растем и способны обращаться с этими предметами. Поэтому Дрейфус считал, что компьютеры, у которых нет тела, детства и культурной практики, вообще не могут обрести интеллект (Дрейфус и Дрейфус, 19).86, с. 5).

Одним из важных мест для исследований ИИ в 1950-х и 1960-х годах была Rand Corporation. Как ни странно, они наняли Дрейфуса в качестве консультанта в 1964 году. В следующем году он представил критический доклад под названием «Алхимия и искусственный интеллект». Однако руководители проекта искусственного интеллекта в Rand утверждали, что отчет — чепуха и его не следует публиковать. Когда он наконец был выпущен, он стал самым востребованным отчетом в истории Rand Corporation. Позже Дрейфус расширил отчет до книги 9.0737 Чего не могут сделать компьютеры (Дрейфус, 1972). В книге он утверждал, что важная часть человеческого знания неявна. Поэтому его нельзя сформулировать и реализовать в компьютерной программе.

Хотя некоторые исследователи ИИ яростно атаковали Дрейфуса, он, без сомнения, указал на серьезную проблему. Но в 1980-е годы в исследованиях ИИ стала доминировать другая парадигма. Он был основан на идее нейронных сетей . Вместо того, чтобы брать в качестве модели манипуляции с символами, в качестве модели использовались процессы в нашей нервной системе и мозге. Нейронная сеть может обучаться без получения явных инструкций. Таким образом, казалось, что аргументы Дрейфуса о том, что компьютеры не могут делать, устарели.

Последним детищем являются Big Data. Большие данные — это применение математических методов к огромным объемам данных для поиска корреляций и вывода вероятностей (Najafabadi et al., 2015). Большие данные представляют собой интересную проблему: ранее я упоминал, что AGI не является частью сильного ИИ. Однако, хотя большие данные не представляют собой стремление разработать сильный ИИ, сторонники утверждают, что в этом нет необходимости. Нам не нужно разрабатывать компьютеры с интеллектом, подобным человеческому. Наоборот, мы можем изменить свое мышление, чтобы быть похожими на компьютеры. Неявно в этом смысл книги Виктора Майера-Шёнбергера и Кеннета Цукьера: Большие данные: революция, которая изменит то, как мы живем, работаем и думаем (Mayer-Schönberger and Cukier, 2014). Книга с оптимизмом смотрит на то, чего могут достичь большие данные, и на их положительное влияние на нашу личную жизнь и общество в целом.

Некоторые даже утверждают, что традиционный научный метод использования гипотез, причинно-следственных моделей и тестов устарел. Причинность — важная часть человеческого мышления, особенно в науке, но, согласно этой точке зрения, нам не нужна причинность. Корреляций достаточно. Например, на основе криминальных данных мы можем сделать вывод о том, где будут происходить преступления, и использовать их для распределения ресурсов полиции. Возможно, мы даже сможем предсказывать преступления до их совершения и, таким образом, предотвращать их.

Если мы посмотрим на некоторую литературу по исследованиям ИИ, то увидим, что нет предела тому, чего исследования могут достичь в течение нескольких десятилетий. Одним из примеров является книга Майера-Шёнбергера и Цукьера, о которой я упоминал выше. Вот одна цитата:

В будущем — и раньше, чем мы можем себе представить — многие аспекты нашего мира будут дополнены или заменены компьютерными системами, которые сегодня являются исключительной компетенцией человеческого суждения (Mayer-Schönberger and Cukier, 2014, стр. 12).

Примером, подтверждающим эту точку зрения, является администрация Обамы, которая в 2012 году объявила об «Инициативе по исследованию и развитию больших данных», чтобы «помочь решить некоторые из самых насущных проблем нации» (цитата по Chen and Lin, 2014, стр. 521). ).

Однако, если посмотреть на то, что на самом деле было сделано, по сравнению с тем, что было обещано, несоответствие бросается в глаза. Позже я приведу несколько примеров. Одним из объяснений такого несоответствия может быть то, что прибыль является главной движущей силой, а, следовательно, многие обещания следует расценивать как маркетинговые. Однако, хотя коммерческие интересы, несомненно, играют роль, я думаю, что этого объяснения недостаточно. Добавлю два фактора: во-первых, один из немногих диссидентов Кремниевой долины, Джерон Ланье, утверждал, что вера в научное бессмертие, развитие компьютеров со сверхразумом и т. д. являются выражением новой религии, «выраженной через инженерную культуру» (Ланье, 2013, стр. 186). Во-вторых, когда утверждается, что компьютеры способны воспроизводить человеческую деятельность, часто оказывается, что это утверждение предполагает серьезно упрощенное и искаженное описание этой деятельности. Проще говоря: переоценка технологий тесно связана с недооценкой людей.

Начну с главного аргумента Дрейфуса, что ОИИ реализовать невозможно. Затем я кратко расскажу о развитии исследований ИИ после публикации его книги. Некоторые впечатляющие прорывы были использованы для поддержки заявления о том, что ОИИ можно реализовать в течение следующих нескольких десятилетий, но я покажу, что в реализации ОИИ было достигнуто очень немногое. Затем я утверждаю, что это не просто вопрос времени, что то, что не было реализовано раньше, будет реализовано позже. Наоборот, я утверждаю, что цель в принципе не может быть реализована, а проект — тупиковый. Во второй части статьи я ограничусь утверждением, что причинное знание является важной частью человеческого интеллекта и что компьютеры не могут справиться с причинностью, потому что они не могут вмешиваться в мир. В более общем смысле, ОИИ невозможно реализовать, потому что в мире нет компьютеров. Пока компьютеры не вырастут, не станут частью культуры и не будут действовать в мире, они никогда не обретут человеческий интеллект.

Наконец, я утверждаю, что убеждение в том, что ОИИ может быть реализован, вредно. Если сила технологий переоценивается, а человеческие навыки недооцениваются, результатом во многих случаях будет замена того, что хорошо работает, на что-то плохое.

Неявное знание

Дрейфус поместил ИИ в философскую традицию, восходящую к Платону. Теория познания Платона была построена на идеале математики, в частности геометрии. Геометрия не о материальных телах, а об идеальных телах. Мы можем получить настоящее знание, episteme, только обратив внимание от материального мира и направив его «вверх», к миру идеальных предметов. Платон даже критиковал геометров за то, что они не понимали своего ремесла, потому что они думали, что «…делают что-то, и их рассуждения имеют практическую цель, и предмет, на самом деле, преследуется не ради знания» (Платон, 19).55, с. 517). Навыки — это просто мнение, doxa, и они находятся в самом низу его иерархии знаний.

Согласно этой точке зрения, минимальное требование для того, чтобы что-то считалось знанием, состоит в том, что это может быть сформулировано в явном виде. Западная философия в целом последовала за Платоном и приняла только пропозициональное знание как реальное знание. Исключение составляют те, кого Дрейфус называл «антифилософами» Мерло-Понти, Хайдеггер и Витгенштейн. Он также упомянул ученого и философа Майкла Поланьи. В своей книге Личное знание Поланьи ввел выражение неявное знание ^{Сноска 1} . Большинство знаний, которые мы применяем в повседневной жизни, являются неявными. На самом деле мы не знаем, какие правила мы применяем, когда выполняем задачу. В качестве примеров Поланьи использовал плавание и езду на велосипеде. Очень немногие пловцы знают, что то, что держит их на плаву, заключается в том, как они регулируют свое дыхание: когда они выдыхают, их легкие не опорожняются, а когда они вдыхают, их легкие раздуваются сильнее, чем обычно.

Нечто подобное относится и к езде на велосипеде. Велосипедист удерживает равновесие, поворачивая руль велосипеда. Чтобы не упасть влево, он двигает руль влево, а чтобы не упасть вправо, поворачивает руль вправо. Таким образом, он сохраняет равновесие, двигаясь по серии малых кривизн. Согласно Поланьи, простой анализ показывает, что при заданном угле дисбаланса кривизна каждой обмотки обратно пропорциональна квадрату скорости велосипеда. Но велосипедист этого не знает, и это не поможет ему стать лучшим велосипедистом (Полани, 19 лет).58, с. 50). Позже Поланьи сформулировал это понимание так: «… мы можем знать больше, чем мы можем рассказать » (Полани, 2009, стр. 4, курсив в оригинале).

Однако важным во вкладе Поланьи является то, что он утверждал, что навыки являются предварительным условием четкого знания в целом и научного знания в частности. Например, для проведения физических экспериментов требуется высокая степень навыков. Этим навыкам нельзя научиться только по учебникам. Они приобретаются по инструкции от кого-то, кто знает торговлю.

Точно так же Хьюберт Дрейфус в сотрудничестве со своим братом Стюартом разработал модель приобретения навыков. На самом низком уровне исполнитель следует четким правилам. Высший уровень, экспертное исполнение, аналогичен описанию Поланьи научной практики. Важная часть экспертизы является молчаливой. Проблема, стоящая перед разработкой экспертных систем, т. е. систем, позволяющих компьютеру имитировать экспертную деятельность (например, медицинскую диагностику), заключается в том, что важная часть экспертных знаний является неявной. Если эксперты пытаются сформулировать знания, которые они применяют в своей работе, они обычно регрессируют на более низкий уровень. Поэтому, по мнению Хьюберта и Стюарта Дрейфуса, экспертные системы не способны уловить навыки опытного исполнителя (Дрейфус и Дрейфус, 19).86, с. 36). Мы знаем это явление из повседневной жизни. Большинство из нас являются экспертами в ходьбе. Однако, если мы попытаемся сформулировать, как мы ходим, мы, безусловно, дадим описание, которое не отражает навыков, связанных с ходьбой.

Три «вехи» в исследованиях ИИ

Однако после публикации Хьюбертом Дрейфусом книги «Чего компьютеры не могут» ИИ добился огромного прогресса. Я упомяну три «вехи», которые привлекли внимание общественности и создали впечатление, что ОИИ уже «не за горами».

Первой «вехой» стал шахматный компьютер IBM Deep Blue , который часто называют прорывом, когда в 1997 году он победил чемпиона мира по шахматам Гарри Каспарова. Однако Deep Blue был примером ANI; это было сделано для определенной цели. Хотя он очень хорошо справлялся с деятельностью, требующей интеллекта при выполнении людьми, никто не стал бы утверждать, что Deep Blue приобрел общий интеллект.

Второй компьютер IBM Watson . Он был разработан с явной целью присоединиться к викторине Jeopardy! . Это соревнование, в котором участникам даются ответы, а затем они должны найти правильные вопросы. Им можно, например, предъявить ответ: «Этот «Отец нашей страны» на самом деле не срубил вишневого дерева». Правильный вопрос, который должны найти участники, звучит так: «Кем был Джордж Вашингтон?» ^{Сноска 2}

Опасность! требует гораздо большего набора знаний и умений, чем шахматы. Задания охватывают самые разные области, такие как наука, история, культура, география и спорт, и могут содержать аналогии и каламбуры. В нем участвуют три участника, которые соревнуются, чтобы ответить первым. Если вы ответите неправильно, вас разыграют и у другого участника будет возможность ответить. Поэтому соревнование требует не только знаний, скорости, но и умения ограничивать себя. Программа пользуется огромной популярностью в Соединенных Штатах с момента ее запуска в 1964, и его просматривают в среднем семь миллионов человек (Brynjolfson and McAfee, 2014, стр. 24).

Watson общается на естественном языке. Когда он участвовал в Jeopardy! он не был подключен к Интернету, но имел доступ к 200 миллионам страниц информации (Susskind and Susskind, 2015, стр. 165; Ford, 2015, стр. 98 и далее). В 2011 году он обыграл двух лучших участников Jeopardy! , Кен Дженнингс и Брэд Раттер. В 2004 году Дженнингс выиграл 74 раза подряд и в общей сложности получил более 3 миллионов долларов. Раттер выиграл у Дженнингса в 2005 году и тоже выиграл более 3 миллионов долларов. В двухдневном соревновании Watson выиграл более чем в три раза больше, чем каждый из его конкурентов-людей.

Хотя Watson был создан для участия в Jeopardy! , у IBM были дальнейшие планы. Вскоре после того, как Ватсон выиграл Jeopardy! компания объявила, что они будут применять мощь компьютера в медицине: он должен стать ИИ-медицинским супер-врачом и произвести революцию в медицине. Основная идея заключалась в том, что если бы Watson имел доступ ко всей медицинской литературе (медицинским картам пациентов, учебникам, журнальным статьям, спискам лекарств и т. д.), он мог бы предложить лучшую диагностику и лечение, чем любой врач-человек. В последующие годы IBM участвовала в нескольких проектах, но успех был весьма ограниченным. Некоторые из них были недавно закрыты, а некоторые потерпели крах. Создать ИИ-врача оказалось намного сложнее, чем предполагалось изначально. Вместо супер-врачей IBM Watson Health выпустила помощников с искусственным интеллектом, которые могут выполнять рутинные задачи (Strickland, 2019).).

Третьей «вехой» является AlphaGo от Alphabet. Го — настольная игра, изобретенная более 2000 лет назад в Китае. Сложность этой игры считается даже большей, чем у шахмат, и в нее играют миллионы людей, особенно в Восточной Азии. В 2016 году AlphaGo победила чемпиона мира Ле Седоля в пяти получивших широкую огласку матчах в Сеуле, Южная Корея. Это событие было задокументировано в отмеченном наградами фильме AlphaGo (2017, режиссер Грег Кос).

AlphaGo считается важной вехой в исследованиях ИИ, потому что это был пример применения стратегии под названием глубокое обучение с подкреплением . Это отражено в названии компании DeepMind. (После реконструкции Google Google и DeepMind стали дочерними компаниями Alphabet.) Это пример подхода к исследованиям ИИ, основанного на парадигме искусственных нейронных сетей. Искусственная нейронная сеть моделируется на основе нейронных сетей. Наш мозг содержит примерно сто миллиардов нейронов. Каждый нейрон связан примерно с 1000 нейронами через синапсы. Это дает около ста триллионов соединений в мозгу. Искусственная нейронная сеть состоит из искусственных нейронов, которые намного проще естественных нейронов. Однако было продемонстрировано, что, когда в сеть подключено много нейронов, достаточно большая сеть теоретически может выполнять любые вычисления. Что практически возможно, это, конечно, другой вопрос (Минский, 1972, с. 55; Тегмарк, 2017, с. 74).

Нейронные сети особенно хороши в распознавании образов. Например, чтобы научить нейронную сеть идентифицировать кошку на картинке, нам не нужно программировать критерии, которые мы используем для идентификации кошки. У людей обычно нет проблем с различением, скажем, кошек и собак. В какой-то степени мы можем объяснить различия, но очень немногие, а может быть, и никто не сможет дать полный список всех используемых критериев. Это по большей части неявное знание, усвоенное на примерах и контрпримерах. То же самое относится и к нейронным сетям.

Нейронная сеть глубокого обучения состоит из различных слоев искусственных нейронов. Например, сеть может иметь четыре различных уровня. При анализе изображения первый слой может идентифицировать пиксели как светлые и темные. Второй слой может идентифицировать края и простые формы. Третий уровень может идентифицировать более сложные формы и объекты, а четвертый уровень может узнать, какие формы можно использовать для идентификации объекта (Джонс, 2014, стр. 148).

Преимущество в том, что не нужно явно формулировать критерии, используемые, например, для идентификации лица. В этом принципиальное отличие шахматной программы Deep Blue от AlphaGo. Хотя человек-шахматист использует смесь расчетов и интуиции для оценки конкретной позиции на доске, Deep Blue был запрограммирован на оценку множества возможных позиций на доске и выбор наилучшего возможного в данной ситуации. Го бывает разным. Во многих случаях опытные игроки полагались только на интуицию и могли описать положение на доске только как имеющее «хорошую форму» (Nielsen, 2016). Ранее я упоминал, что одним из главных аргументов Хьюберта Дрейфуса против ОИИ было то, что человеческий опыт частично неявный и не может быть сформулирован. AlphaGo показала, что компьютеры могут обрабатывать неявные знания, и поэтому выглядит так, будто аргумент Дрейфуса устарел. Однако позже я покажу, что это «молчаливое знание» ограничено идеализированным «миром науки», который принципиально отличается от человеческого мира, который имел в виду Дрейфус.

Преимущество отсутствия необходимости формулировать явные правила имеет свою цену. В традиционной компьютерной программе все параметры указаны явно. Это гарантирует полную прозрачность. В нейронной сети эта прозрачность теряется. Часто не знаешь, какие параметры используются. Несколько лет назад команда Вашингтонского университета разработала систему, которая была обучена отличать хаски от волков. Это задача, требующая немалого мастерства, потому что большой разницы между ними нет. Несмотря на это, система имела удивительные 90% точность. Однако команда обнаружила, что система распознала волков, потому что на большинстве изображений волков был снег. Команда изобрела детектор снега! (Дингли, 2018).

AlphaGo был разработан исследователями DeepMind и считается очень успешным. Подход DeepMind также был успешно применен к играм Atari Breakout и Space Invaders, а также к компьютерной игре Starcraft. Однако оказалось, что системе не хватает гибкости, и она не способна адаптироваться к изменениям в окружающей среде. Он даже оказался уязвимым для крошечных изменений. Поскольку проблемы реального мира возникают в изменяющемся мире, глубокое обучение с подкреплением пока не нашло коммерческого применения. Исследования и разработки обходятся дорого, но убытки DeepMind в размере 154 млн долларов в 2016 году, 341 млн долларов в 2017 году и 572 млн долларов в 2018 году вряд ли являются признаком успеха (Marcus, 2019).).

Последняя шумиха: Большие данные

Проблема нейронных сетей заключается в том, что они должны быть способны обрабатывать огромные объемы данных. Например, AlphaGo сначала обучался на 150 000 играх, сыгранных компетентными игроками в го. Затем его улучшили, неоднократно играя против более ранних версий самого себя.

Растущая способность компьютеров обрабатывать и хранить огромные объемы данных привела к тому, что называется «взрывом данных» или даже «потопом данных». Уже в 2012 году было подсчитано, что Google обработал около 24 петабайт (24 × 10 ¹⁵ ) данных каждый день. Это в тысячи раз превышает количество печатных материалов в Библиотеке Конгресса США (Mayer-Schönberger and Cukier, 2014, стр. 8). В то же время было подсчитано, что в день в мире создается 2,5 эксабайта (2,5 × 10 ¹⁸ байт). По оценкам, это примерно половина всех слов, когда-либо произнесенных человеком. Этот объем данных выходит за рамки человеческого воображения и является основой для подхода к работе с большими данными.

Хотя анализ больших данных можно рассматривать как дополнительный метод анализа больших объемов данных, обычно терабайтов и петабайтов, иногда его представляют как новый эпистемологический подход. Виктор Майер-Шёнбергер и Кеннет Цукьер начинают свою книгу Big Data на примере гриппа, открытого в 2009 году. Он объединил элементы вирусов, вызывающих птичий и свиной грипп, и получил название h2N1. Он быстро распространился, и уже через неделю органы здравоохранения всего мира начали опасаться пандемии. Некоторые даже опасались пандемии такого же масштаба, как испанский грипп 1918 года, унесший жизни миллионов. Вакцины против вируса не существовало, и единственное, что могли сделать органы здравоохранения, — попытаться замедлить его распространение. Но чтобы сделать это, они должны были знать, где он уже распространился. Хотя от врачей требовалось сообщать о новых случаях, эта информация доходила до властей в течение 1–2 недель, в первую очередь потому, что большинство пациентов не обращаются к врачу сразу после появления симптомов заболевания.

Однако незадолго до этой вспышки исследователи из Google изобрели метод, который мог гораздо лучше предсказывать распространение гриппа. Google ежедневно получает более трех миллиардов поисковых запросов и сохраняет их все. Люди, у которых есть симптомы гриппа, обычно ищут в Интернете информацию о гриппе. Таким образом, изучая элементы поиска, которые тесно связаны с гриппом, исследователи могли составить карту распространения гриппа намного быстрее, чем органы здравоохранения (Mayer-Schönberger and Cukier, 2014, стр. 2).

Mayer-Schönberger и Cukier считают это историей успеха. Но это может быть примером того, что иногда называют «ошибкой первоначального успеха». В 2013 году модель сообщила о вдвое большем количестве посещений врача по поводу гриппоподобных заболеваний, чем Центры по контролю и профилактике заболеваний, которые считаются надежным источником информации. Первоначальная версия модели, вероятно, включала сезонные данные, которые коррелировали с гриппом, но не имели причинно-следственной связи. Таким образом, модель была частично детектором гриппа и частично детектором зимы. Хотя модель была обновлена, ее производительность оказалась намного ниже первоначальных обещаний (Lazer et al., 2014; Shane, 2019)., п. 171).

Корреляции и причины

В предыдущих примерах использовались только корреляции. Однако в науке, а также в повседневной жизни мы хотим иметь причинно-следственные связи. Например, один из важных вопросов нашего времени связан с причинно-следственным знанием: вызвано ли глобальное потепление, которое мы наблюдаем, деятельностью человека (выбросом парниковых газов в атмосферу) или это просто естественные вариации?

Природа причинно-следственных связей обсуждалась на протяжении веков, в частности после того, как Дэвид Юм подверг критике старую идею о необходимой связи между причиной и следствием. Согласно Юму, мы должны довольствоваться наблюдением закономерностей. Его современник Иммануил Кант, напротив, утверждал, что причинно-следственные связи являются необходимым условием приобретения знания. Необходимо, чтобы каждое следствие имело причину.

Однако вместо того, чтобы вдаваться в философскую дискуссию о причинно-следственных связях, которая продолжается и по сей день, более плодотворно посмотреть, как мы определяем причинно-следственную связь. Философ Джон Стюарт Милль сформулировал некоторые правила (он назвал их «канонами»), которые позволяют нам выявлять причинно-следственные связи. Его «второй канон», который он также называл «методом различия», таков: , который встречается только в первом; обстоятельство, в котором только эти два случая различаются, есть следствие, или причина, или неотъемлемая часть причины явления (Mill, 1882, p. 483).

Из этой цитаты мы видим, что отличительным признаком причинно-следственной связи является стопроцентная корреляция между причиной и следствием. Но большинство корреляций не являются причинно-следственными. Например, существует высокая положительная корреляция между ценами на бензин и моим возрастом, но очевидно, что между ними нет причинно-следственной связи. Таким образом, корреляция может быть указанием на причинно-следственную связь, но это не обязательно.

Следовательно, в приведенной выше цитате Милль требует, чтобы эти два случая были равны при любых обстоятельствах. Но все же мы можем решить, что разница между ними является либо причиной, либо следствием, потому что корреляция представляет собой симметричное математическое отношение: если А коррелирует с В, то В коррелирует с А. Напротив, если С является причиной E, E не является причиной C. Следовательно, корреляции не могут различать причину и следствие. Чтобы провести это различие, нам нужно нечто большее: причина производит или, по крайней мере, вызывает следствие. Следовательно, мы можем удалить предполагаемую причину и посмотреть, исчезнет ли следствие.

У нас есть известный пример этой процедуры из истории медицины (точнее эпидемиологии). Около 1850 года в Лондоне была эпидемия холеры. Джон Сноу был практикующим врачом. Он отметил, что существует связь между тем, из какой компании люди брали воду, и частотой холеры. У компании Southwark and Vauxhall, у которой был водозабор на загрязненном участке в Темзе, была высокая частота случаев заболевания холерой. У другой компании, Lambeth Company, цифры были значительно ниже. Хотя это было до появления теории бактерий как причины болезни, он предполагал, что причина болезни находится в воде. Вот числа Сноу:

Компания	Смертность на 10 000 домохозяйств
Саутварк и Воксхолл	315
Компания Ламбет	37
Остальная часть Лондона	59

После того, как Сноу запечатал водяной насос, в котором, по его мнению, находилась заразная вода, эпидемия холеры прекратилась (Саган, 1996, стр. 76).

Если следствие всегда следует за причиной, при прочих равных условиях мы имеем детерминированную причинность. Однако многие люди курят сигареты, не заболевая раком. Проблема в том, что на практике возникает некоторая неопределенность. Следовательно, нам нужно определение причинно-следственной связи, когда у нас есть <100% корреляция между причиной и следствием. Согласно этому определению за вероятностной причиной не всегда следует следствие, но частота следствия выше, чем когда причина отсутствует. Это можно записать как P(E|C) > P(E|не-C). P(E|C) — это условная вероятность, и ее можно прочитать как «вероятность E при заданном C».

Хотя это и выглядит просто, это не так. Пример покажет это. После Второй мировой войны было много указаний на то, что курение сигарет может вызвать рак легких. Похоже, что этот вопрос можно было бы решить просто: выбирают две группы людей, сходных во всех соответствующих аспектах. Одна группа начинает курить сигареты, а другая нет. Это простое рандомизированное клиническое исследование. Затем через 10, 20, 30 лет и т. д. проверяют, есть ли разница в частоте рака легких в двух группах.

Конечно, если курение сигарет так опасно, как утверждается, не нужно ждать десятилетия, чтобы это выяснить. Следовательно, нужно было использовать имеющуюся популяцию и использовать корреляции: одна взяла выборку людей с раком легких и другую выборку популяции, у которой не было рака, и рассмотрела различные фоновые факторы: есть ли более высокая частота курения сигарет? среди людей, которые заразились раком легких, чем люди, которые не заболели раком легких. Главный критерий – «при прочих равных условиях», при прочих равных.

Нужно признать, что иногда нам приходится использовать корреляции, чтобы найти причинно-следственные связи. Совсем другое дело утверждать, что нам вообще не нужны причины. Тем не менее некоторые утверждают, что можно обойтись и без причинно-следственной связи. В 2008 году главный редактор Wired Magazine Крис Андерсон написал статью под названием «Конец теории: поток данных делает научный метод устаревшим». В статье он утверждал, что корреляций достаточно. Мы можем использовать огромное количество данных и позволить статистическим алгоритмам находить закономерности, недоступные науке. Он пошел еще дальше и утверждал, что традиционный научный метод использования гипотез, причинно-следственных моделей и тестов устаревает (Anderson, 2008).

Согласно Майеру-Шенбергеру и Кукиеру, статья Андерсона вызвала яростные дебаты, «…хотя Андерсон быстро отказался от своих более смелых утверждений» (Майер-Шенбергер и Кукиер, 2014, стр. 71). Но даже если Андерсон изменил свои первоначальные утверждения, Майер-Шёнбергер и Цукьер соглашаются, что в большинстве случаев мы можем обойтись без знания причинно-следственных связей: «Большие данные — это то, что, а не почему. Нам не всегда нужно знать причину явления; скорее, мы можем позволить данным говорить самим за себя» (Mayer-Schönberger and Cukier, 2014, стр. 14). Позже они формулируют это так: «Причинность не отбрасывается, но сбрасывается со своего пьедестала как первоисточник смысла. Большие данные ускоряют некаузальный анализ, часто заменяя причинно-следственные исследования» (Mayer-Schönberger and Cukier, 2014, стр. 68). Перл и Маккензи сформулировали это следующим образом: «Надежда — и в настоящее время она обычно умалчивается — заключается в том, что сами данные будут вести нас к правильным ответам всякий раз, когда возникают причинные вопросы» (Перл и Маккензи, 2018, с. 16). Я должен добавить, что Перл и Маккензи критически относятся к этой точке зрения.

Мини-тест Тьюринга

Андерсон был не первым, кто утверждал, что наука может обходиться без причин. В конце XIX века один из пионеров современной статистики Карл Пирсон утверждал, что причинам нет места в науке (Pearl and Mackenzie, 2018, p. 67), а в начале XX века один из самых влиятельных Философы того века Бертран Рассел написал статью «О понятии причины», где назвал «закон причинности» «пережитком ушедшего века» (Рассел, 19).63, с. 132). Например, когда тела движутся под действием взаимного притяжения, ничто не может быть названо причиной, и ничто, по Расселу, не может быть названо следствием. Существует «просто формула» (Russell, 1963, стр. 141). Он мог бы добавить, что механика Ньютона была переформулирована Жозефом-Луи Лагранжем и Уильямом Гамильтоном в абстрактную теорию без понятия силы.

Однако Рассел искал причинно-следственную связь не в том месте. Он просто принимал теорию Ньютона как данность и забыл, что сам Ньютон придерживался того, что в его время называлось «экспериментальной философией». Физика, без сомнения, является экспериментальной наукой, и для проведения экспериментов физик должен уметь передвигаться, обращаться с приборами, читать шкалы и общаться с другими физиками. Как указал физик Роджер Ньютон, физик «…эффективно проводит эксперименты, покачивая одну часть Природы и наблюдая, как реагируют другие части» (Ньютон 19).97, с. 142). Чтобы выяснить, является ли А причиной В, важно, чтобы «А было под нашим контролем » (Ньютон, 1997, стр. 144, курсив в оригинале).

Я уже цитировал книгу Перл и Маккензи «Книга почему » (2018). Главный аргумент книги заключается в том, что для создания в компьютере интеллекта, подобного человеческому, компьютер должен уметь управлять причинно-следственными связями. Они задают вопрос:

Как машины (и люди) могут представлять причинно-следственные связи таким образом, чтобы они могли быстро получать доступ к необходимой информации, правильно отвечать на вопросы и делать это с легкостью, как трехлетний ребенок. Можно? (Перл и Маккензи, 2018 г., стр. 37).

Они называют это «мини-тестом Тьюринга». Он имеет приставку «мини», потому что это не полный тест Тьюринга, а ограниченный причинно-следственными отношениями.

Прежде чем перейти к мини-тесту Тьюринга, я вкратце напомню тест Тьюринга. В статье «Вычислительные машины и интеллект» (Тьюринг, 1950 г.). Алан Тьюринг задал вопрос: как мы можем определить, приобрели ли компьютеры общий интеллект? Он начинает с того, что пытается ответить на вопрос: «Могут ли машины думать?», но вместо того, чтобы углубляться в вопрос, что такое интеллект, он устраивает своего рода игру. В игре вопрошающий может общаться с компьютером и человеком. Ему приходится общаться через клавиатуру, поэтому он не знает, кто компьютер, а кто человек. Дело в том, что машина притворяется человеком, и задача спрашивающего — решить, кто из них компьютер, а кто человек. Если спрашивающий не может различить, мы можем сказать, что компьютер разумен. Тьюринг назвал это «игрой в имитацию», но позже она стала известна как «тест Тьюринга». Если компьютер проходит тест, он, по Тьюрингу, приобрел общий интеллект.

По словам Перла и Маккензи, минимальное требование для прохождения теста Тьюринга состоит в том, что компьютер может обрабатывать причинно-следственные вопросы. С эволюционной точки зрения это имеет смысл. Почему Homo sapiens добился такого успеха в истории эволюции, конечно, сложный вопрос. Было задействовано много факторов, и способность к сотрудничеству, вероятно, является одним из самых важных. Однако между 70 000 и 30 000 лет назад произошел решающий шаг, который историк Юваль Харари называет когнитивной революцией (Harari, 2014, стр. 23). Согласно Харари, отличительной чертой когнитивной революции является способность воображать то, чего не существует. Примером Харари является фигурка из слоновой кости «мужчина-лев» (или «женщина-львица»), найденная в пещере Штадель в Германии, возраст которой составляет примерно 32 000 лет. Он состоит из человеческого тела и головы льва.

Перл и Маккензи ссылаются на Харари и добавляют, что создание человека-льва является предшественником философии, научных открытий и технологических инноваций. Фундаментальной предпосылкой для этого творчества является способность задавать вопросы и отвечать на них в форме: «Что произойдет, если я сделаю ……?» (Перл и Маккензи, 2018 г., стр. 2).

Мини-тест Тьюринга ограничен причинно-следственными связями. Если компьютеры могут обрабатывать причинно-следственные связи, они пройдут этот тест. Однако проблема в том, что компьютеры в этом отношении десятилетиями не добились никакого прогресса: «Как и 30 лет назад, программы машинного обучения (в том числе с глубокими нейронными сетями) работают почти полностью в ассоциативном режиме…» (Перл и Маккензи, 2018 г. , стр. 30). Но этого недостаточно. Чтобы ответить на причинные вопросы, мы должны иметь возможность вмешиваться в мир.

Согласно Перлу и Маккензи, корень проблемы в том, что у компьютеров нет модели реальности. Однако проблема в том, что ни у кого не может быть модели реальности. Любая модель может отображать только упрощенные аспекты реальности. Настоящая проблема в том, что компьютеров нет в мире, потому что они не воплощены.

Настоящий тест Тьюринга

Перл и Маккензи правы, утверждая, что компьютеры не могут пройти мини-тест Тьюринга, потому что они не могут ответить на вопрос о причинности. И я утверждаю, что они не могут пройти полный тест Тьюринга, потому что их нет в мире, и, следовательно, у них нет понимания. Несколько примеров из теста Тьюринга покажут это.

Ежегодно проводится конкурс, на котором награда (премия Лёбнера) присуждается программе искусственного интеллекта, наиболее похожей на человека. Соревнование представляет собой тест Тьюринга, но золотые или серебряные медали никогда не присуждались. Программа Мицуку побеждала в 2013, 2016, 2017, 2018 и 2019 годах.

Философ Лучано Флориди рассказывает, как он вошел в состав жюри, когда конкурс впервые проводился в Англии в 2008 году. Один из судей начал с вопроса: « Если мы возьмем друг друга за руку, чью руку я тогда держу?» Компьютер ответил, говоря совсем о другом: «Мы живем в вечности. Так что да, нет. Мы не верим». Другой вопрос звучал так: «Четырех столиц Англии три, Манчестер и Ливерпуль. Что не так с этой фразой?» У компьютера не было осмысленного ответа (Floridi, 2014, стр. 133).

Разговор, на который ссылается Флориди, состоялся более 10 лет назад. Мне было любопытно посмотреть, улучшилась ли программа. Я пробовал это несколько раз, и это не сильно улучшилось. Ниже приведен пример. Когда Мицуку в 2008 году спросили: «Если мы возьмем друг друга за руку, чью руку я тогда держу?» компьютер вышел из строя. На этот раз он дал правильный ответ. Тем не менее, это не заняло много времени, прежде чем он потерпел неудачу. На распечатке ниже «Милли» может быть либо компьютером Мицуку, либо человеком. В конце разговора предполагается угадать, разговаривал ли он с компьютером или с человеком. Нетрудно было определить, что я разговаривал с компьютером.

Вот «разговор»:

Чат-бот Мицуку Добро пожаловать, Рагнар, теперь говорит. * Тема «Тест Тьюринга» * Установлен администратором (1 день назад)

<Рагнар> Если я пожму вам руку, чью руку я держу?

<Милли> Я буду держать твою, а ты мою. Что за глупые вопросы?

<Рагнар> Почему вопрос тупой?

<Милли> Я хочу знать о тебе все.

<Рагнар> Но ты не объяснил, почему считаешь вопрос глупым.

<Милли> Извините, я, должно быть, забыл. Каков был ваш вопрос снова?

<Рагнар> Если мы пожмем друг другу руки, чью руку я держу?

<Милли> Мы бы держали друг друга за руки.

<Рагнар> И почему глупый вопрос?

<Милли> Почему я существую? (Домашняя страница Mitsuku. Я сохранил опечатку Mitsuku)

Компьютеры выходят из строя, потому что их нет в мире. Мицуку охарактеризовал первый вопрос как глупый, но не смог объяснить почему. Любой ребенок смог бы это сделать.

Однако правила конкурса на премию Лебнера были изменены. От цели заставить компьютеры пройти тест Тьюринга отказались, потому что «… чат-боты, как правило, так быстро разоблачаются, что приз всегда был за «лучшее из»» (LoebnerPrize).

Вывод: компьютеров в мире нет

Основной тезис этой статьи заключается в том, что мы не сможем реализовать ОИИ, потому что в мире нет компьютеров. Однако крайне важно уточнить, что имеется в виду под «миром».

Как указывал историк науки Александр Койре, самым важным достижением научной революции XVII века была замена аристотелевской науки абстрактным научным идеалом («парадигмой») (Koyré 1978: 38–39). ). Койре убедительно доказывал, что Галилей в основе своей был платоником (Койре, 1968). Как и в случае с Платоном, ключом была математика. Согласно Галилею, книга природы написана на языке математики (Галилей, 1970, с. 237). Поэтому мир Галилея есть мир абстрактный и идеализированный, близкий миру идей Платона.

Наиболее близкой к этому идеальному миру является наша солнечная система, которую Исаак Ньютон назвал «системой мира». Механика Ньютона стала образцом для всей науки. Лучшее выражение этого идеала дал французский математик Пьер Симон де Лаплас. Он утверждал, что принципиальной разницы между планетой и молекулой нет. Если бы у нас было полное знание состояния Вселенной в определенный момент времени, мы могли бы, в принципе, определить состояние в любое предшествующее и последующее время (Лаплас, 19).51, с. 6). Это означает, что Вселенную в целом можно описать алгоритмом. Тьюринг сослался на этот отрывок из Лапласа в своей статье «Вычислительные машины и интеллект» и добавил, что предсказания, которые он (Тьюринг) рассматривал, были ближе к осуществимости, чем предсказания Лапласа, которые включали Вселенную в целом (Тьюринг, 1950, стр. 440).

Как указывал Рассел, в этом мире мы даже не можем говорить о причинах, только о математических функциях. Поскольку большинство эмпирических наук являются каузальными, они далеки от этого идеального мира. Науки, которые ближе всего подходят, это классическая механика и теоретическая физика.

Хотя этот идеальный мир является метафизической идеей, которая нигде не была реализована, она оказала огромное историческое влияние. Большинство философов и ученых после Галилея и Декарта принимали его за реальный мир, из чего следует, что все происходящее «внизу» управляется математическими законами, алгоритмами. Это относится и к органическому миру. По Декарту, все организмы, в том числе и человеческое тело, являются автоматами. Сегодня мы бы назвали их роботами или компьютерами. Декарт сделал исключение для души человека, которая не является частью материального мира, а потому не подчиняется законам природы. Нематериальная душа объясняет свободную волю человека.

Однако большинство сторонников ОИИ (и сторонников сильного ИИ) сегодня исключат нематериальную душу Декарта и последуют аргументам Юваля Харари. В своей последней книге «21 урок для 21 века » он ссылается на нейробиологию и поведенческую экономику, которые якобы показали, что наши решения — не результат «какой-то таинственной свободы воли», а результат «миллионов нейронов, вычисляющих вероятности внутри себя». долю секунды» (Harari, 2018, стр. 20). Поэтому ИИ может делать многие вещи лучше, чем люди. В качестве примеров он приводит вождение автомобиля по улице, полной пешеходов, ссуду денег незнакомцам и заключение деловых сделок. Эти работы требуют умения «правильно оценивать эмоции и желания других людей». Обоснование таково:

Тем не менее, если эти эмоции и желания на самом деле являются не более чем биохимическими алгоритмами, нет никаких причин, по которым компьютеры не могут расшифровать эти алгоритмы — и делают это намного лучше, чем любой Homo sapiens (Harari, 2018, стр. 21).

Эта цитата перекликается со словами Фрэнсиса Крика. В Удивительная Гипотеза он объясняет название книги следующим образом:

Удивительная Гипотеза состоит в том, что «Вы», ваши радости и печали, ваши воспоминания и ваши амбиции, ваше чувство личной идентичности и свободная воля , на самом деле являются не более чем поведением огромного множества нервных клеток и связанных с ними молекул (Crick, 19). 94, с. 3).

Однако с обеими этими котировками есть проблема. Если Харари и Крик правы, то эти цитаты являются «не чем иным, как» результатом химических алгоритмов и «не более чем» поведением огромного множества нервных клеток. Как же тогда они могут быть правдой?

Если отбросить проблему самореференции и принять описанный выше идеальный мир науки за (единственный) реальный мир, то аргумент Харари обретает смысл. Но замена нашего повседневного мира миром науки основана на фундаментальном непонимании. Эдмунд Гуссерль был одним из первых, кто указал на это и приписал это недоразумение Галилею. Согласно Гуссерлю, Галилей был «…одновременно первооткрывателем и скрывающим гением» (Husserl, 19).70, с. 52). Гуссерль назвал это недоразумение «объективизмом». Сегодня более распространенным названием является «сциентизм».

Вопреки этому, Гуссерль настаивал на том, что науки в своей основе являются человеческими усилиями. Даже самые абстрактные теории основаны на нашем повседневном мире, «жизненном мире» Гуссерля. Гуссерль упоминает теорию относительности Эйнштейна и утверждает, что она зависит от «экспериментов Майкельсона и их подтверждений другими исследователями» (Husserl, 1970, стр. 125). Для проведения такого рода экспериментов ученые должны уметь передвигаться, обращаться с инструментами, читать шкалы и общаться с другими учеными.

Существует гораздо более достоверное объяснение того, как мы можем понимать других людей, чем то, которое дал Харари. Как указывал Хьюберт Дрейфус, мы телесные и социальные существа, живущие в материальном и социальном мире. Понять другого человека — значит не заглянуть в химию его мозга, даже не в его «душу», а скорее оказаться в его «обуви». Это понимание жизненного мира человека.

Американский писатель Теодор Росзак сконструировал мысленный пример, чтобы проиллюстрировать это положение: давайте представим, что мы наблюдаем за работой психиатра. Он трудолюбивый и опытный психиатр и, очевидно, имеет очень хорошую практику. Приемная полна пациентов с различными эмоциональными и психическими расстройствами. У некоторых почти истерика, у некоторых сильные суицидальные мысли, у некоторых галлюцинации, у некоторых самые жестокие кошмары, а некоторых сводит с ума мысль о том, что за ними наблюдают люди, которые причинят им боль. Психиатр внимательно выслушивает каждого пациента и делает все возможное, чтобы помочь им, но без особого успеха. Наоборот, им всем становится все хуже, несмотря на героические усилия психиатра.

Теперь Росзак просит нас рассмотреть это в более широком контексте. Кабинет психиатра находится в здании, а здание находится на месте. Это место — Бухенвальд, а пациенты — узники концлагеря (Росзак, 1992, с. 221). Биохимические алгоритмы не помогли бы нам понять пациентов. Что действительно помогает, что действительно необходимо, так это знать более широкий контекст . Пример просто не имеет смысла, если мы не знаем, что кабинет психиатра находится в концентрационном лагере.

Немногие из нас способны поставить себя на место узника концлагеря. Поэтому мы не можем полностью понять людей в ситуациях, сильно отличающихся от того, что мы сами испытали. Но в какой-то степени мы можем понять, и мы можем понять, потому что мы тоже в мире.

Компьютеров нет в нашем мире. Ранее я говорил, что нейронные сети не нужно программировать, и поэтому они могут обрабатывать неявные знания. Однако, как утверждают некоторые сторонники больших данных, просто неверно, что данные «говорят сами за себя». Обычно используемые данные относятся к одной или нескольким моделям, они выбираются людьми и, в конце концов, состоят из чисел.

Если мы думаем, например, как Харари, что мир «на дне» управляется алгоритмами, тогда у нас будет тенденция переоценивать силу ИИ и недооценивать человеческие достижения. Выражение «не что иное», фигурирующее в цитате из Харари, может привести к серьезному упрощению в описании человеческих и социальных явлений. Я думаю, что это, по крайней мере, часть объяснения провала как IBM Watson Health, так и DeepMind от Alphabet. «IBM столкнулась с фундаментальным несоответствием между тем, как машины учатся, и тем, как работают врачи» (Strickland, 2019). ) и DeepMind обнаружил, что «то, что работает для Go, может не работать для решения сложных проблем, которые DeepMind стремится решить с помощью ИИ, таких как рак и чистая энергия» (Marcus, 2019).

Переоценка возможностей ИИ также может иметь пагубные последствия для науки. В своей часто цитируемой книге «Вторая эра машин » Эрик Бриньолфсон и Эндрю Макафи утверждают, что оцифровка может помочь нам понять прошлое. Они ссылаются на проект, в ходе которого было проанализировано более пяти миллионов книг, изданных на английском языке с 1800 года. Некоторые из результатов проекта заключались в том, что «количество слов в английском языке увеличилось более чем на 70% между 19 и 20 веками».50 и 2000, эта слава сейчас приходит к людям быстрее, чем в прошлом, но и угасает быстрее, и что в 20 веке интерес к эволюции снижался, пока Уотсон и Крик не открыли структуру ДНК». Это якобы приводит к «лучшему пониманию и предсказанию — иными словами, к лучшей науке — посредством оцифровки» (Brynjolfson and McAfee, 2014, стр. 69). На мой взгляд, это скорее иллюстрация проницательности Карла Поппера: «Слишком много долларов может преследовать слишком мало идей» (Поппер, 1981, стр. 9).6).

Мой вывод очень прост: аргументы Хьюберта Дрейфуса против всеобщего ИИ по-прежнему актуальны.

Будущее искусственного интеллекта: как искусственный интеллект изменит мир

В неприметном здании недалеко от центра Чикаго Марк Дьонгйози и небольшая, но растущая команда IFM/Onetrack.AI руководствуются одним принципом, который управляет всеми ими: мыслите просто. Слова написаны простым шрифтом на листе бумаги, приклеенном к задней стене их промышленного двухэтажного рабочего пространства. Однако то, что они делают здесь с искусственным интеллектом, совсем не просто.

Сидя за своим захламленным письменным столом, расположенным рядом с часто используемым столом для пинг-понга и прототипами дронов времен его учебы в колледже, подвешенными над головой, Гьонгёси просматривает зернистую видеозапись водителя погрузчика, управляющего своим транспортным средством на складе. Он был снят с высоты благодаря «системе обзора вилочного погрузчика» Onetrack.AI.

Будущее искусственного интеллекта

Искусственный интеллект определяет будущее человечества почти во всех отраслях. Он уже является основной движущей силой новых технологий, таких как большие данные, робототехника и Интернет вещей, и в обозримом будущем продолжит выступать в качестве технологического новатора.

Используя машинное обучение и компьютерное зрение для обнаружения и классификации различных «событий безопасности», устройство размером с обувную коробку видит не все, но многое. Например, куда смотрит водитель, управляя транспортным средством, с какой скоростью он едет, куда он едет, где находятся люди вокруг него и как другие операторы погрузчиков маневрируют своими транспортными средствами. Программное обеспечение IFM автоматически выявляет нарушения безопасности — например, использование мобильного телефона — и уведомляет менеджеров склада, чтобы они могли принять незамедлительные меры. Главные цели – предотвращение несчастных случаев и повышение эффективности. Простое знание того, что одно из устройств IFM наблюдает за происходящим, по словам Дьёнгиози, имело «огромный эффект».

«Если вы думаете о камере, то это действительно самый богатый датчик, доступный нам сегодня по очень интересной цене», — говорит он. «Из-за смартфонов камеры и датчики изображения стали невероятно дешевыми, но мы собираем много информации. Сегодня по изображению мы можем вывести 25 сигналов, но через шесть месяцев мы сможем вывести 100 или 150 сигналов из того же изображения. Единственная разница заключается в программном обеспечении, которое смотрит на изображение… Каждый клиент может извлечь выгоду из каждого другого клиента, которого мы привлекаем на борт, потому что наши системы начинают видеть и изучать больше процессов и обнаруживать больше важных и актуальных вещей».

Подробнее о будущем ИИМожет ли ИИ сделать искусство более человечным?

 

Эволюция ИИ

IFM — лишь один из бесчисленных новаторов в области ИИ в области, которая продолжает развиваться. Например, из 9 130 патентов, полученных изобретателями IBM в 2021 году, 2 300 были связаны с ИИ. Основатель Tesla и технический титан Илон Маск пожертвовал 10 миллионов долларов на финансирование текущих исследований в некоммерческой исследовательской компании OpenAI — просто капля в море, если его совместное обязательство в размере 1 миллиарда долларов в 2015 году является каким-либо показателем.

После нескольких десятилетий, отмеченных спорадическим бездействием в течение эволюционного периода, который начался с «инженерии знаний», технология перешла к машинному обучению на основе моделей и алгоритмов и все больше сосредоточилась на восприятии, рассуждении и обобщении. Теперь ИИ снова занял центральное место, как никогда раньше, и в ближайшее время он не уступит центр внимания.

Почему важен искусственный интеллект?

ИИ важен, потому что он составляет основу компьютерного обучения. С помощью ИИ компьютеры могут обрабатывать огромные объемы данных и использовать свой интеллект для принятия оптимальных решений и открытий за доли времени, которые потребовались бы людям.

 

Какие отрасли изменит ИИ?

Практически ни один крупный отраслевой современный ИИ — точнее, «узкий ИИ», который выполняет целевые функции с использованием моделей, обученных на данных, и часто попадает в категории глубокого обучения или машинного обучения — еще не затронул. Это особенно верно в последние несколько лет, когда сбор и анализ данных значительно расширились благодаря надежному подключению к Интернету вещей, распространению подключенных устройств и все более быстрой компьютерной обработке.

Некоторые секторы только начинают свой путь ИИ, другие — опытные путешественники. У обоих долгий путь. Несмотря на это, влияние ИИ на нашу сегодняшнюю жизнь трудно игнорировать.

• Транспорт: Хотя на их совершенствование может уйти некоторое время, однажды беспилотные автомобили будут переправлять нас с места на место.
• Производство: Роботы с искусственным интеллектом работают вместе с людьми для выполнения ограниченного круга задач, таких как сборка и штабелирование, а датчики прогнозного анализа обеспечивают бесперебойную работу оборудования.
• Здравоохранение: В сравнительно зарождающейся области здравоохранения с искусственным интеллектом болезни диагностируются быстрее и точнее, поиск лекарств ускоряется и упрощается, виртуальные помощники медсестер наблюдают за пациентами, а анализ больших данных помогает создать более персонализированный подход к пациентам.
• Образование: Учебники оцифрованы с помощью искусственного интеллекта, виртуальные наставники на раннем этапе помогают инструкторам-людям, а анализ лиц измеряет эмоции учащихся, чтобы определить, кто испытывает трудности или скучно, и лучше адаптировать опыт к их индивидуальным потребностям.
• СМИ: Журналистика также использует ИИ и будет продолжать получать от этого пользу. Bloomberg использует технологию Cyborg, чтобы быстро разобраться в сложных финансовых отчетах. Ассошиэйтед Пресс использует возможности Automated Insights на естественном языке для создания 3700 отчетов о доходах в год — почти в четыре раза больше, чем в недавнем прошлом.
• Служба поддержки клиентов: И последнее, но не менее важное: Google работает над помощником на основе искусственного интеллекта, который может звонить, как человек, чтобы записаться на прием, скажем, в ближайшую парикмахерскую. Помимо слов, система понимает контекст и нюансы.

Но эти и многие другие достижения — это только начало. Это еще не все.

«Я думаю, что любой, кто делает предположения о возможностях интеллектуального программного обеспечения, в какой-то момент ошибается», — говорит Дэвид Вандегрифт, технический директор и соучредитель фирмы по управлению взаимоотношениями с клиентами 4Degrees.

Компании ежегодно тратят миллиарды долларов на продукты и услуги ИИ, технологические гиганты, такие как Google, Apple, Microsoft и Amazon, тратят миллиарды на создание этих продуктов и услуг, университеты делают ИИ более важной частью своих учебных программ, а Департамент США Защита улучшает свою игру с ИИ, большие вещи обязательно произойдут. Некоторые из этих разработок находятся на пути к полной реализации; некоторые из них носят чисто теоретический характер и могут остаться таковыми. Все разрушительны, к лучшему и потенциально к худшему, и спада не предвидится.

«Многие отрасли проходят через эту модель зимы, зимы, а затем вечной весны», — сказал ZDNet бывший руководитель Google Brain и главный научный сотрудник Baidu Эндрю Нг. «Мы можем быть в вечной весне ИИ».

Видео: CrashCourse

 

Влияние ИИ на общество

Как ИИ изменит работу

побочные эффекты и ограничения. О первых он предупреждал:

«Низшие 90 процентов, особенно нижние 50 процентов населения мира с точки зрения доходов или образования, сильно пострадают от смещения рабочих мест… Простой вопрос, который нужно задать: «Насколько рутинна работа?» И вот как скорее всего [это] работа будет заменена ИИ, потому что ИИ может в рамках рутинной задачи научиться оптимизировать себя. И чем больше количественных показателей, тем более объективной является работа — раскладывать вещи по корзинам, мыть посуду, собирать фрукты и отвечать на звонки клиентов — все это в значительной степени повторяющиеся и рутинные задачи по сценарию. Через пять, 10 или 15 лет их вытеснит ИИ».

На складах онлайн-гиганта и центра искусственного интеллекта Amazon, где работает более 100 000 роботов, функции по сбору и упаковке товаров по-прежнему выполняют люди, но это изменится.

Мнение Ли недавно поддержал президент Infosys Мохит Джоши, который сказал New York Times : «Люди стремятся достичь очень больших цифр. Раньше они ставили перед собой дополнительные цели — от пяти до десяти процентов — сокращать свою рабочую силу. Теперь они говорят: «Почему мы не можем сделать это с одним процентом людей, которые у нас есть?»

На более оптимистичной ноте Ли подчеркнул, что сегодняшний ИИ бесполезен по двум важным причинам: в нем нет творчества и нет способности к состраданию или любви. Скорее, это «инструмент для усиления человеческого творчества». Его решение? Те, у кого работа связана с повторяющимися или рутинными задачами, должны осваивать новые навыки, чтобы не остаться на обочине. Amazon даже предлагает своим сотрудникам деньги на обучение для работы в других компаниях.

«Одним из непременных условий успеха ИИ во многих [областях] является то, что мы вкладываем огромные средства в образование, чтобы переподготовить людей для новой работы», — говорит Клара Нахрстедт, профессор компьютерных наук в Университете Иллинойса в Урбана-Шампейн. и директор Школьной научной лаборатории.

Она обеспокоена тем, что это происходит недостаточно широко или недостаточно часто. Gyongyosi от IFM еще более конкретен.

«Людям нужно изучать программирование так же, как они изучают новый язык, — говорит он, — и им нужно делать это как можно раньше, потому что это действительно будущее. В будущем, если вы не знаете, что такое кодирование, вы не знаете, что такое программирование, это станет только сложнее».

И хотя многие из тех, кого технологии вытеснили с работы, найдут новую, говорит Вандегрифт, это не произойдет в одночасье. Как и в случае с переходом Америки от аграрной к индустриальной экономике во время промышленной революции, сыгравшей большую роль в возникновении Великой депрессии, люди в конце концов снова встали на ноги. Однако краткосрочное воздействие было огромным.

«Переход между исчезающими рабочими местами и [появляющимися] новыми, — говорит Вандегрифт, — не обязательно такой безболезненный, как людям хотелось бы думать».

Майк Мендельсон (Mike Mendelson), дизайнер учебного процесса в NVIDIA, отличается от Нарстедта преподавателем. Он работает с разработчиками, которые хотят больше узнать об ИИ и применить эти знания в своем бизнесе.

«Если они понимают, на что способна технология, и они очень хорошо разбираются в предметной области, они начинают устанавливать связи и говорят: «Может быть, это проблема ИИ, может быть, это проблема ИИ», — говорит он. «Это происходит чаще, чем «у меня есть конкретная проблема, которую я хочу решить» 9.0003

Подробнее об ИИ54 Компании с ИИ внедряют инновации

 

ИИ в ближайшем будущем

По мнению Мендельсона, некоторые из наиболее интригующих исследований и экспериментов в области ИИ, которые будут иметь разветвления в ближайшем будущем, проводятся в двух областях: « обучение с подкреплением, которое имеет дело с наградами и наказаниями, а не с помеченными данными; и генеративно-состязательные сети (сокращенно GAN), которые позволяют компьютерным алгоритмам создавать, а не просто оценивать, сталкивая две сети друг с другом. Примером первого служит мастерство Google DeepMind Alpha Go Zero в игре на го, а второго — генерация оригинального изображения или звука, основанная на изучении определенного предмета, такого как знаменитости или определенный тип музыки.

В гораздо более широком масштабе ИИ может оказать серьезное влияние на устойчивость, изменение климата и экологические проблемы. В идеале и частично за счет использования сложных датчиков города станут менее перегруженными, менее загрязненными и в целом более пригодными для жизни.

«Когда вы что-то предсказываете, вы можете предписывать определенные политики и правила», — говорит Нарстедт. Например, датчики на автомобилях, которые отправляют данные об условиях движения, могут предсказывать потенциальные проблемы и оптимизировать поток автомобилей. «Это еще не совершенство никоим образом», — говорит она. «Это просто в зачаточном состоянии. Но спустя годы это сыграет действительно большую роль».

Захватит ли ИИ мир?

Прогнозируется, что ИИ окажет долгосрочное влияние практически на все отрасли, которые только можно вообразить, поскольку, по прогнозам, он затронет 60 процентов предприятий. Мы уже видим искусственный интеллект в наших интеллектуальных устройствах, автомобилях, системе здравоохранения и любимых приложениях, и в обозримом будущем мы продолжим видеть, как его влияние все глубже проникает во многие другие отрасли.

 

ИИ и риски конфиденциальности

Конечно, многое было сделано из того факта, что зависимость ИИ от больших данных уже серьезно влияет на конфиденциальность. Посмотрите не дальше, чем махинации Cambridge Analytica с Facebook или подслушивание Alexa от Amazon, два из многих примеров того, как технология вышла из-под контроля. Критики утверждают, что без надлежащих правил и самостоятельных ограничений ситуация станет еще хуже. В 2015 году генеральный директор Apple Тим Кук высмеял конкурентов Google и Facebook за жадный добычу данных.

«Они поглощают все, что могут узнать о вас, и пытаются монетизировать это», — сказал он в своей речи в 2015 году. «Мы считаем, что это неправильно».

Позже, во время разговора в Брюсселе, Бельгия, Кук изложил свою озабоченность.

«Развитие ИИ путем сбора огромных личных профилей — это лень, а не эффективность», — сказал он. «Чтобы искусственный интеллект был действительно умным, он должен уважать человеческие ценности, в том числе конфиденциальность. Если мы ошибемся, опасность будет очень велика».

Многие согласны. В статье 2018 года, опубликованной британскими группами по правам человека и конфиденциальности, Статья 19и Privacy International, беспокойство по поводу ИИ связано с его повседневными функциями, а не с катастрофическими изменениями, такими как появление роботов-повелителей.

«При ответственном внедрении ИИ может принести пользу обществу», — пишут авторы. «Однако, как и в случае с большинством новых технологий, существует реальный риск того, что коммерческое и государственное использование окажет пагубное влияние на права человека».

Авторы признают, что сбор больших объемов данных может быть использован для прогнозирования будущего поведения безвредными способами, такими как спам-фильтры и системы рекомендаций. Но существует также реальная угроза того, что это негативно повлияет на неприкосновенность частной жизни и право на свободу от дискриминации.

Похожие материалы по теме Конфиденциальность в Интернете: руководство по использованию ваших личных данных Стюарт Рассел пошутил (или нет) о своем «официальном соглашении с журналистами, что я не буду с ними разговаривать, если они не согласятся не помещать в статью робота-терминатора». Его шутка показала явное презрение к голливудским представлениям об искусственном интеллекте далекого будущего, которые имеют тенденцию к переутомлению и апокалиптике. То, что Рассел назвал «ИИ человеческого уровня», также известное как общий искусственный интеллект, уже давно является пищей для фантазии. Но шансы на то, что это будет реализовано в ближайшее время или вообще, довольно невелики.

«Прежде чем мы достигнем чего-то похожего на ИИ человеческого уровня, должны произойти крупные прорывы, — объяснил Рассел.

Рассел также отметил, что в настоящее время ИИ не способен полностью понимать язык. Это показывает явную разницу между людьми и ИИ в настоящий момент: люди могут переводить машинный язык и понимать его, но ИИ не может сделать то же самое с человеческим языком. Однако, если мы достигнем точки, когда ИИ сможет понимать наши языки, системы ИИ смогут читать и понимать все, что когда-либо было написано.

«Как только у нас появится такая возможность, вы сможете запрашивать все человеческие знания, и они смогут синтезировать и интегрировать и отвечать на вопросы, на которые ни один человек никогда не мог ответить, — добавил Рассел, — потому что они не читал и смог собрать воедино и соединить точки между вещами, которые оставались отдельными на протяжении всей истории».

Видео: Science Time

Это дает нам пищу для размышлений. По этому поводу эмулировать человеческий мозг чрезвычайно сложно, и это еще одна причина все еще гипотетического будущего ОИИ. Профессор инженерии и компьютерных наук Мичиганского университета Джон Лэрд уже несколько десятилетий проводит исследования в этой области.

«Цель всегда заключалась в том, чтобы попытаться построить то, что мы называем когнитивной архитектурой, то, что мы считаем врожденным для интеллектуальной системы», — говорит он о работе, которая в значительной степени вдохновлена ​​человеческой психологией. «Например, мы знаем, что человеческий мозг — это не просто однородный набор нейронов. Существует реальная структура с точки зрения различных компонентов, некоторые из которых связаны со знаниями о том, как что-то делать в мире».

Это называется процедурной памятью. Кроме того, есть знания, основанные на общих фактах, также известные как семантическая память, а также знания о предыдущем опыте (или личных фактах), которые называются эпизодической памятью. Один из проектов лаборатории Лэрда включает в себя использование инструкций на естественном языке для обучения робота простым играм, таким как крестики-нолики и головоломки. Эти инструкции обычно включают описание цели, краткое изложение допустимых ходов и неудачных ситуаций. Робот усваивает эти директивы и использует их для планирования своих действий. Однако, как всегда, прорывы происходят медленно — во всяком случае, медленнее, чем хотелось бы Лэрду и его коллегам-исследователям.

«Каждый раз, когда мы добиваемся прогресса, — говорит он, — мы по-новому понимаем, насколько это сложно».

 

Является ли ОИИ угрозой для человечества?

Многие ведущие деятели искусственного интеллекта подписываются (некоторые более гиперболически, чем другие) на кошмарный сценарий, который включает в себя то, что известно как «сингулярность», когда сверхразумные машины берут на себя управление и навсегда изменяют человеческое существование путем порабощения или уничтожения.

Покойный физик-теоретик Стивен Хокинг классно постулировал, что если ИИ сам начнет разрабатывать ИИ лучше, чем люди-программисты, результатом могут стать «машины, чей интеллект превосходит наш в большей степени, чем наш интеллект превышает интеллект улиток». Илон Маск считает и предупреждал, что ОИИ представляет собой самую большую угрозу существованию человечества. По его словам, попытки добиться этого подобны «вызову демона». Он даже выразил обеспокоенность тем, что его приятель, соучредитель Google Ларри Пейдж, может случайно создать что-то «злое», несмотря на его самые лучшие намерения. Скажем, например, «флот роботов с улучшенным искусственным интеллектом, способных уничтожить человечество». Даже Гёнгиози из IFM, не паникёр, когда дело доходит до прогнозов ИИ, ничего не исключает. В какой-то момент, говорит он, людям больше не нужно будет обучать системы; они будут учиться и развиваться самостоятельно.

«Я не думаю, что методы, которые мы сейчас используем в этих областях, приведут к тому, что машины решат нас убить», — говорит он. «Я думаю, что, может быть, через пять или 10 лет мне придется пересмотреть это заявление, потому что у нас будут разные доступные методы и разные способы делать эти вещи.

В то время как машины-убийцы вполне могут оставаться кормом для фантастики, многие считают, что они вытеснят людей различными способами.

Институт будущего человечества Оксфордского университета опубликовал результаты исследования ИИ. Под названием «Когда ИИ превзойдет возможности человека? Данные от экспертов по ИИ», он содержит оценки 352 исследователей машинного обучения об эволюции ИИ в ближайшие годы.

В этой группе было много оптимистов. К 2026 году, по мнению среднего числа респондентов, машины будут способны писать школьные сочинения; к 2027 году беспилотные грузовики сделают водителей ненужными; к 2031 году искусственный интеллект превзойдет людей в сфере розничной торговли; к 2049 году ИИ может стать следующим Стивеном Кингом, а к 2053 году — следующим Чарли Тео. Немного неприятный момент: к 2137 году все человеческие рабочие места будут автоматизированы. Но что же сами люди? Без сомнения, потягивая напитки из зонтиков, которые подают дроиды.

Диего Клабьян, профессор Северо-Западного университета и директор-основатель школьной программы магистра наук в области аналитики, считает себя скептиком в отношении AGI.

«В настоящее время компьютеры могут обрабатывать немногим более 10 000 слов, — объясняет он. «Итак, несколько миллионов нейронов. Но в человеческом мозгу есть миллиарды нейронов, которые связаны очень интригующим и сложным образом, а нынешнее состояние искусства [технологии] — это просто прямые соединения, следующие очень простым схемам. Так что переход от нескольких миллионов нейронов к миллиардам нейронов с современными аппаратными и программными технологиями — я не вижу, чтобы это произошло».

Рекомендуемая литература7 Опасные риски искусственного интеллекта

 

Как мы будем использовать ОИИ?

Клабджан также не придает особого значения экстремальным сценариям — таким, как, например, кровожадные киборги, которые превращают землю в тлеющий адский пейзаж. Его гораздо больше беспокоят машины — например, боевые роботы — которые подпитываются ложными «стимулами» от гнусных людей. Как сказал профессор физики Массачусетского технологического института и ведущий исследователь ИИ Макс Тегмарк в выступлении на TED Talk в 2018 году: «Настоящая угроза со стороны ИИ — это не злой умысел, как в глупых голливудских фильмах, а компетентность — ИИ достигает целей, которые просто не совпадают с нашими. ” Это тоже мнение Лэрда.

«Я определенно не вижу сценария, в котором что-то просыпается и решает, что хочет захватить мир», — говорит он. «Я думаю, что это научная фантастика, а не то, как это будет происходить».

Больше всего Лэрда беспокоит не злой ИИ как таковой, а «злые люди, использующие ИИ как своего рода ложный множитель силы» для таких вещей, как ограбление банка и мошенничество с кредитными картами, среди многих других преступлений. И поэтому, хотя он часто разочаровывается в темпах прогресса, медленное горение ИИ может на самом деле быть благословением.

«Пора понять, что мы создаем и как мы собираемся интегрировать это в общество, — говорит Лэрд, — может быть именно то, что нам нужно».

Но точно никто не знает.

«Необходимо совершить несколько крупных прорывов, и они могут произойти очень быстро», — сказал Рассел во время своего выступления в Вестминстере. Ссылаясь на быстрый трансформационный эффект ядерного деления (расщепления атома) британского физика Эрнеста Резерфорда в 1917 году, он добавил: «Очень, очень трудно предсказать, когда произойдут эти концептуальные прорывы».

Но всякий раз, когда они это делают, он подчеркивал важность подготовки. Это означает начало или продолжение дискуссий об этичности использования ОИИ и необходимости его регулирования. Это означает работу над устранением предвзятости данных, которая оказывает разрушающее воздействие на алгоритмы и в настоящее время является жирной ложкой дёгтя на ИИ. Это означает работу над изобретением и усилением мер безопасности, способных держать технологию под контролем. И это означает иметь смирение, чтобы понять, что только потому, что мы можем, не означает, что мы должны.

«Большинство исследователей ОИИ ожидают появления ОИИ в ближайшие десятилетия, и если мы просто наткнемся на это неподготовленными, это, вероятно, будет самой большой ошибкой в ​​истории человечества. Это может привести к жестокой глобальной диктатуре с беспрецедентным неравенством, слежкой, страданиями и, возможно, даже вымиранием человечества», — сказал Тегмарк в своем выступлении на TED Talk. «Но если мы будем действовать осторожно, мы можем оказаться в фантастическом будущем, в котором всем будет лучше — бедные станут богаче, богатые еще богаче, все будут здоровы и вольны воплощать в жизнь свои мечты».

История искусственного интеллекта

от Rockwell Anyoha

Могут ли машины думать?

В первой половине ^{-го 20-го} -го века научная фантастика познакомила мир с концепцией роботов с искусственным интеллектом. Он начался с «бессердечного» Железного человека из Волшебника страны Оз и продолжился гуманоидным роботом, который выдавал себя за Марию в Метрополисе . К 1950-м годам у нас было поколение ученых, математиков и философов с концепцией искусственного интеллекта (или ИИ), культурно ассимилированной в их сознании. Одним из таких людей был Алан Тьюринг, молодой британский эрудит, исследовавший математические возможности искусственного интеллекта. Тьюринг предположил, что люди используют доступную информацию, а также разум для решения проблем и принятия решений, так почему же машины не могут делать то же самое? Это была логическая основа его 1950, «Вычислительные машины и интеллект», в которой он обсуждал, как создавать интеллектуальные машины и как проверять их интеллект.

Сделать погоню возможной

К сожалению, разговоры дешевы. Что помешало Тьюрингу сразу приступить к работе? Во-первых, компьютеры должны были коренным образом измениться. До 1949 года у компьютеров отсутствовало ключевое условие интеллекта: они не могли хранить команды, а только выполнять их. Другими словами, компьютерам можно было сказать, что делать, но они не могли вспомнить, что они делали. Во-вторых, компьютеры были чрезвычайно дорогими. В начале 19В 50-е годы стоимость аренды компьютера доходила до 200 000 долларов в месяц. Только престижные университеты и крупные технологические компании могли позволить себе бездельничать в этих неизведанных водах. Чтобы убедить источники финансирования в том, что машинный интеллект заслуживает внимания, требовалось доказательство концепции, а также поддержка со стороны высокопоставленных лиц.

Конференция, с которой все началось

Пять лет спустя доказательство концепции было инициировано Алленом Ньюэллом, Клиффом Шоу и Гербертом Саймоном, Теоретик логики . Программа The Logic Theorist была разработана для имитации навыков человека в решении проблем и финансировалась корпорацией исследований и разработок (RAND). Многие считают, что это первая программа искусственного интеллекта, и она была представлена ​​на Летнем исследовательском проекте в Дартмуте по искусственному интеллекту (DSRPAI), организованном Джоном Маккарти и Марвином Мински в 1956 году. , собрал лучших исследователей из разных областей для открытой дискуссии об искусственном интеллекте, термин, который он придумал на самом мероприятии. К сожалению, конференция не оправдала ожиданий Маккарти; люди приходили и уходили, когда им заблагорассудится, и не удалось договориться о стандартных методах для этой области. Несмотря на это, все искренне согласились с тем, что ИИ достижим. Значение этого события нельзя недооценивать, поскольку оно стало катализатором следующих двадцати лет исследований ИИ.

Американские горки успехов и неудач

С 1957 по 1974 год ИИ процветал. Компьютеры могли хранить больше информации и стали быстрее, дешевле и доступнее. Алгоритмы машинного обучения также улучшились, и люди стали лучше понимать, какой алгоритм применить к своей проблеме. Ранние демонстрации, такие как General Problem Solver Ньюэлла и Саймона и ELIZA Джозефа Вейценбаума, продемонстрировали многообещающие решения задач и интерпретацию разговорной речи соответственно. Эти успехи, а также поддержка ведущих исследователей (а именно участников DSRPAI) убедили государственные учреждения, такие как Агентство перспективных оборонных исследовательских проектов (DARPA), финансировать исследования ИИ в нескольких учреждениях. Правительство особенно интересовалось машиной, которая могла бы расшифровывать и переводить разговорную речь, а также обрабатывать данные с высокой пропускной способностью. Оптимизма было много, а ожидания еще выше. В 1970 Марвин Мински сказал журналу Life: «От трех до восьми лет у нас будет машина с общим интеллектом среднего человека». Тем не менее, несмотря на то, что базовое доказательство принципа было готово, до достижения конечных целей обработки естественного языка, абстрактного мышления и самопознания оставалось еще пройти долгий путь.

Преодолев первоначальный туман ИИ, мы обнаружили гору препятствий. Самым большим было отсутствие вычислительной мощности, чтобы сделать что-то существенное: компьютеры просто не могли хранить достаточно информации или обрабатывать ее достаточно быстро. Например, чтобы общаться, нужно знать значения многих слов и понимать их во многих сочетаниях. Ганс Моравек, докторант Маккарти в то время, заявил, что «компьютеры все еще в миллионы раз слишком слабы, чтобы проявлять интеллект». По мере того, как терпение истощалось, сокращалось и финансирование, и исследования медленно продвигались в течение десяти лет.

В 1980-х годах ИИ был возрожден благодаря двум источникам: расширению набора алгоритмических инструментов и притоку средств. Джон Хопфилд и Дэвид Румельхарт популяризировали методы «глубокого обучения», которые позволяли компьютерам учиться, используя опыт. С другой стороны, Эдвард Фейгенбаум представил экспертные системы, которые имитировали процесс принятия решений человеком-экспертом. Программа спрашивала эксперта в какой-либо области, как реагировать в той или иной ситуации, и как только это узнавалось практически для каждой ситуации, неспециалисты могли получать советы от этой программы. Экспертные системы получили широкое распространение в промышленности. Японское правительство активно финансировало экспертные системы и другие проекты, связанные с искусственным интеллектом.0683 Компьютер пятого поколения проекта (FGCP). В период с 1982 по 1990 год они инвестировали 400 миллионов долларов с целью произвести революцию в компьютерной обработке, внедрить логическое программирование и улучшить искусственный интеллект. К сожалению, большая часть амбициозных целей не была достигнута. Однако можно утверждать, что косвенные эффекты FGCP вдохновили талантливое молодое поколение инженеров и ученых. Несмотря на это, финансирование FGCP прекратилось, и ИИ выпал из поля зрения.

По иронии судьбы, в отсутствие государственного финансирования и общественной шумихи ИИ процветал. В течение 1990-х и 2000-х годов были достигнуты многие из важнейших целей искусственного интеллекта. В 1997 году действующий чемпион мира по шахматам и гроссмейстер Гэри Каспаров потерпел поражение от компьютерной программы IBM Deep Blue , играющей в шахматы. Этот широко разрекламированный матч был первым, когда действующий чемпион мира по шахматам проиграл компьютеру, и послужил огромным шагом на пути к программе принятия решений с искусственным интеллектом. В том же году программное обеспечение для распознавания речи, разработанное Dragon Systems, было внедрено на Windows . Это был еще один большой шаг вперед, но в направлении устной интерпретации языка. Казалось, что нет такой проблемы, с которой не могли бы справиться машины. Даже человеческие эмоции были честной игрой, о чем свидетельствует Kismet, робот, разработанный Синтией Бризил, который мог распознавать и отображать эмоции.

Время лечит все раны

Мы так и не научились программировать искусственный интеллект, так что же изменилось? Оказывается, фундаментальный предел компьютерной памяти, который сдерживал нас 30 лет назад, больше не был проблемой. Закон Мура, согласно которому память и скорость компьютеров удваиваются каждый год, наконец-то догнал, а во многих случаях и превзошел наши потребности. Именно так Deep Blue смог победить Гэри Каспарова в 1997, и как Google Alpha Go смог победить китайского чемпиона по го Кэ Цзе всего несколько месяцев назад. Это дает некоторое объяснение американским горкам исследований ИИ; мы доводим возможности ИИ до уровня нашей текущей вычислительной мощности (компьютерной памяти и скорости обработки), а затем ждем, пока закон Мура снова не сработает.

Искусственный интеллект повсюду

Сейчас мы живем в эпоху «больших данных», в эпоху, когда у нас есть возможность собирать огромные объемы информации, слишком громоздкой для обработки человеком. Применение искусственного интеллекта в этом отношении уже было весьма плодотворным в нескольких отраслях, таких как технологии, банковское дело, маркетинг и развлечения. Мы видели, что даже если алгоритмы не сильно улучшаются, большие данные и массовые вычисления просто позволяют искусственному интеллекту учиться с помощью грубой силы. Могут быть свидетельства того, что закон Мура немного замедляется, но увеличение количества данных, безусловно, не утратило своей динамики. Прорывы в компьютерных науках, математике или неврологии — все они служат потенциальным выходом за пределы потолка закона Мура.

Будущее

Что ждёт нас в будущем? В ближайшем будущем язык ИИ выглядит как следующая большая вещь. На самом деле, это уже происходит. Я не могу вспомнить, когда в последний раз звонил в компанию и напрямую разговаривал с человеком. В эти дни машины даже зовут меня! Можно представить себе взаимодействие с экспертной системой в плавном диалоге или разговор на двух разных языках, который переводится в режиме реального времени. Мы также можем ожидать появления беспилотных автомобилей на дорогах в ближайшие двадцать лет (и это консервативно). В долгосрочной перспективе целью является общий интеллект, то есть машина, превосходящая человеческие когнитивные способности во всех задачах. Это похоже на разумного робота, которого мы привыкли видеть в кино. Мне кажется невероятным, что это будет достигнуто в ближайшие 50 лет. Даже если есть возможность, этические вопросы послужат сильным барьером на пути к осуществлению. Когда это время придет (но лучше даже до того, как оно придет), нам нужно будет серьезно поговорить о политике и этике машин (по иронии судьбы, оба эти предмета являются человеческими), но пока мы позволим ИИ неуклонно совершенствоваться и выходить из-под контроля. в обществе.

Роквелл Аньоха — аспирант кафедры молекулярной биологии с опытом работы в области физики и генетики. Его текущий проект использует машинное обучение для моделирования поведения животных. В свободное время Роквелл любит играть в футбол и обсуждать мирские темы.

Эта статья является частью специального выпуска, посвященного искусственному интеллекту.

Для получения дополнительной информации:

Краткая хронология ИИ

https://www.livescience.com/47544-history-of-a-i-artificial-intelligence-infographic.html

Полный исторический обзор

http://courses.cs.washington.edu/courses/csep590/06au/projects/history-ai.pdf

Дартмутский летний исследовательский проект по искусственному интеллекту

https://www. aaai .org/ojs/index.php/aimagazine/article/view/1904/1802

Будущее ИИ

https://www.technologyreview.com/s/602830/the-future-of-artificial-intelligence-and -cybernetics/

Обсуждение будущих этических проблем, стоящих перед ИИ

http://www.bbc.com/future/story/20170307-the-ethical-challenge-facing-artificial-intelligence

Подробный обзор этики ИИ

https://intelligence.org/files/EthicsofAI.pdf

Насколько мы близки к полностью самодостаточному искусственному интеллекту

Если вы следили за миром поп-культуры или технологий для некоторое время назад, тогда вы знаете, что достижения в области искусственного интеллекта накаляются. На самом деле ИИ стал предметом разговоров в поп-культуре и научной фантастике с тех пор, как в 1984 году вышел первый фильм о Терминаторе. Эти фильмы представляют собой пример того, что называется «Искусственный общий интеллект». Так насколько мы близки к этому?

Нет, не насколько мы близки к тому, когда терминаторы захватят власть, а насколько мы близки к тому, чтобы иметь ИИ, способный справиться практически с любой проблемой, с которой он сталкивается.

Что такое общий искусственный интеллект?

Технически определенный искусственный общий интеллект или ОИИ — это машина, которая способна понимать или изучать интеллектуальные задачи с такими же способностями, как люди. Большинство современных ИИ узкоспециализированы.

Программисты и ученые используют алгоритмы машинного обучения для разработки специализированных ИИ. Это алгоритмы с искусственным интеллектом, которые так же хороши, если не лучше, чем люди в одной конкретной задаче. Например, играя в шахматы или выбирая, в какой клетке на сегментированном изображении есть уличный знак, т.е. капчи.

Недавние достижения в области искусственного интеллекта и машинного обучения, хотя технически они и не близки к реальному ОИИ, создали ощущение, что ОИИ близок через несколько лет или десятилетий. Также не помогает то, что некоторые из лучших умов мира, такие как Илон Маск, называют ИИ одной из самых больших экзистенциальных угроз человеческому существованию всех времен.

Одним из крупнейших достижений в области искусственного интеллекта сегодня стали искусственные нейронные сети, которые представляют собой способ технологов имитировать работу человеческого мозга с кодом. Тем не менее, определить, что именно делает что-то разумным, сложно…

Люди обладают множественными формами интеллекта, и нам, вероятно, нужно более внимательно изучить, что значит быть «разумным», если мы хотим определить, насколько общий искусственный интеллект близок к реальности.

Что значит быть разумным?

Люди обладают интеллектом, когда дело доходит до решения проблем, а также эмоциями. Эмоциональный интеллект, возможно, черта, которая делает что-то более человечным, тогда как способность решать проблемы и понимать вещи — это то, чему компьютеры подражали с самого начала своего существования.

Самый популярный

Машинный ИИ находится примерно на том же уровне, что и четырехлетний малыш, когда дело доходит до прохождения тестов IQ, так что он еще не совсем соответствует человеческому уровню дедукции.

СВЯЗАННЫЕ: 10 ОСНОВНЫХ ДОКЛАДОВ TED ОБ ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ

Эмоциональный интеллект, однако, будет более сложной задачей для общего искусственного интеллекта. Эмоции текучи и неточны, а это не то, что хорошо сочетается с жестко закодированной природой машин. Другой аспект эмоционального интеллекта — это понимание тона и значения объектов. Например, если кто-то машет белым флагом в бою, компьютер может распознать его как развевающийся белый флаг. Однако наш эмоциональный интеллект дает нам контекст и понимание того, что размахивание белым флагом, скорее всего, является призывом к капитуляции.

Итак, истинный интеллект включает в себя способность решать проблемы и понимать, а также способность интерпретировать и читать между строк. Это также верно не только для принимающей стороны, но и для дающей стороны. Это означает, что для того, чтобы компьютеры обладали общим искусственным интеллектом, они должны не только понимать человеческий тон и контекст, но также должны быть в состоянии передать их.

Хотите верьте, хотите нет, но машины и ИИ добиваются успехов в этих областях интеллекта. Алгоритмы обработки и генерации естественного языка приближают нас к ИИ, которые могут говорить и звучать как мы, по крайней мере, на первый взгляд. Google Home и Amazon Alexa — это гигантские пулы данных, которые позволяют программистам разрабатывать все более совершенные ИИ. Что может быть лучше, чем научить компьютер говорить, если поставить его в дома людей и попросить людей поговорить с ним? Данные являются ключом к развитию ИИ.

Тем не менее, любой, у кого есть Google Home или Amazon Alexa, может согласиться, основываясь только на этих пунктах, AGI, вероятно, довольно далек.

Следующим шагом в этом стремлении понять ОИИ и определить, насколько мы близки к искусственному общему интеллекту, является изучение искусственного сознания. Это идея о том, что ИИ может достичь своего рода личности или, по крайней мере, веры в свою личность.

Понимание искусственного сознания

Искусственное сознание подводит нас к более этичному обсуждению ОИИ. Сможет ли машина когда-нибудь обрести сознание так же, как люди? А если бы мог, нужно ли было бы нам относиться к нему как к личности?

С научной точки зрения, сознание исходит непосредственно из биологических данных, которые интерпретируются и реагируют на них биологическим существом, так что это существо становится самостоятельным. Если убрать из этого определения уточняющее слово «биологический», то нетрудно понять, как даже существующие ИИ уже можно считать сознательными, пусть и глупо сознательными.

Одна вещь, определяющая человеческое сознание, — это способность вызывать воспоминания и мечтать о будущем. Во многих аспектах это уникальная человеческая способность. Если бы машина могла это делать, то мы могли бы определить ее как наличие искусственного общего интеллекта. Сны излишни для логической жизни, но они определяют наше существование как людей. Если бы компьютер мог мечтать сам по себе, а не потому, что он был запрограммирован на это, это могло бы быть самым большим показателем того, что ОИИ существует.

Теперь, когда у нас есть более глубокое понимание сознания, мы можем дать некоторые определения относительно того, что требуется для того, чтобы машина или ИИ обладали искусственным интеллектом в целом. Он должен уметь обрабатывать и понимать эмоции, решать проблемы, выражать формы эмоций и, возможно, самое главное, он должен иметь грубое сознание .

Насколько мы далеки от общего искусственного интеллекта?

Итак, возможна ли такая машина или алгоритм, и если да, то насколько далеко?

Теоретически все, о чем мы только что говорили, возможно. Это просто не очень практично с технологиями, которые у нас есть сейчас. Вычислительная мощность, необходимая для создания человеческого мозга, огромна, но квантовые вычисления могут стать воротами для успешного создания общего искусственного интеллекта.

СВЯЗАННЫЕ С: ДОЛЖНЫ НАМ БОЙАТЬСЯ ИСКУССТВЕННЫЙ СВЕРХИНТЕЛ

С технологической точки зрения, мы довольно далеки от того, чтобы создать ОИИ. Однако, учитывая, как быстро развиваются технологии, нам может быть всего несколько десятилетий. Эксперты ожидают и предсказывают, что первый грубый общий искусственный интеллект будет создан примерно к 2030 году, то есть не так уж и далеко. Однако эксперты ожидают, что только к 2060 году ОИИ станет достаточно хорош, чтобы пройти «тест на сознание». Другими словами, мы, вероятно, смотрим через 40 лет, прежде чем увидим ИИ, который мог бы сойти за человека.

Независимо от того, считаете вы это хорошей идеей или нет, вероятно, нет никакого способа остановить создание искусственного разумного существа. Когда это произойдет, наш мир навсегда изменится. На самом деле мы никогда не сможем вернуться назад, когда перейдем эту черту, к лучшему или к худшему.

More Stories

наука
Дайте понять! Поверхность астероида Бенну похожа на пластиковую яму для мячей

Лукия Пападопулос| 05.08.2022

здоровье
Узнайте, почему большую часть шумового загрязнения в городах создают автомобили

Лукия Пападопулос| 22. 05.2022

Инновация
Вот все, что известно о новой мощной ракете, испытанной Россией: Satan II

Лукия Пападопулос| 21.04.2022

Как искусственный интеллект меняет бизнес

• Искусственный интеллект широко используется в бизнесе, включая оптимизацию рабочих процессов и сбор бизнес-данных.
• Исследователи не совсем уверены, что искусственный интеллект означает для будущего бизнеса, особенно в том, что касается рабочих мест.
• Ожидается, что ИИ перенесет цифровую технологию с двухмерного экрана в трехмерную физическую среду, окружающую человека.
• Эта статья предназначена для владельцев бизнеса и сотрудников, которые хотят понять, как использование искусственного интеллекта трансформирует бизнес-сектор.

Вероятно, вы ежедневно взаимодействуете с искусственным интеллектом (ИИ) и даже не осознаете этого.

Многие люди до сих пор связывают ИИ с научно-фантастическими антиутопиями, но эта характеристика ослабевает по мере того, как ИИ развивается и становится все более распространенным явлением в нашей повседневной жизни. Сегодня искусственный интеллект — это имя нарицательное, а иногда даже нарицательное (привет, Алекса!).

Хотя принятие ИИ в основном обществе — это новое явление, это не новая концепция. Современная область ИИ возникла в 1956, но потребовались десятилетия работы, чтобы добиться значительного прогресса в разработке системы искусственного интеллекта и воплотить ее в технологическую реальность.

В бизнесе искусственный интеллект имеет широкий спектр применения. На самом деле, большинство из нас ежедневно взаимодействует с ИИ в той или иной форме. От обыденных до захватывающих дух искусственный интеллект уже меняет практически все бизнес-процессы в каждой отрасли. По мере распространения технологий искусственного интеллекта они становятся необходимыми для поддержания конкурентного преимущества.

Что такое ИИ?

Прежде чем приступить к изучению того, как технологии ИИ влияют на деловой мир, важно дать определение этому термину. «Искусственный интеллект» — это широкий термин, который относится к любому типу компьютерного программного обеспечения, которое участвует в деятельности, похожей на человеческую, включая обучение, планирование и решение проблем. Называть конкретные приложения «искусственным интеллектом» — это то же самое, что называть автомобиль «транспортным средством» — это технически правильно, но не охватывает никакой специфики. Чтобы понять, какой тип ИИ преобладает в бизнесе, нужно копнуть глубже.

Машинное обучение

Машинное обучение — один из наиболее распространенных типов ИИ, используемых сегодня в бизнес-целях. Машинное обучение в основном используется для быстрой обработки больших объемов данных. Эти типы ИИ представляют собой алгоритмы, которые со временем «обучаются».

Если вы предоставите алгоритму машинного обучения больше данных, его моделирование должно улучшиться. Машинное обучение полезно для помещения огромных массивов данных, которые все чаще захватываются подключенными устройствами и Интернетом вещей, в удобоваримом для людей контексте.

Например, если вы управляете производственным предприятием, ваше оборудование, скорее всего, подключено к сети. Подключенные устройства передают постоянный поток данных о функциональности, производительности и многом другом в центральное место. К сожалению, это слишком много данных, чтобы человек мог их просеять; и даже если бы они могли, они, вероятно, упустили бы большую часть закономерностей. [См.: Искусственное страхование? Как машинное обучение трансформирует андеррайтинг ]

Машинное обучение может быстро анализировать поступающие данные, выявляя закономерности и аномалии. Если машина на заводе-изготовителе работает с пониженной производительностью, алгоритм машинного обучения может поймать это и уведомить лиц, принимающих решения, о том, что пора отправить команду профилактического обслуживания.

Но машинное обучение также является относительно широкой категорией. Развитие искусственных нейронных сетей — взаимосвязанной сети «узлов» искусственного интеллекта — привело к тому, что известно как глубокое обучение.

Знаете ли вы? Машинное обучение полезно для преобразования огромных массивов данных, которые все чаще собираются с помощью подключенных устройств и Интернета вещей, в понятный для людей контекст.

Глубокое обучение

Глубокое обучение — это еще более конкретная версия машинного обучения, которая использует нейронные сети для участия в так называемом нелинейном мышлении. Глубокое обучение имеет решающее значение для выполнения более сложных функций, таких как обнаружение мошенничества. Это можно сделать, анализируя широкий спектр факторов одновременно.

Например, для того, чтобы беспилотные автомобили работали, необходимо одновременно выявить, проанализировать и отреагировать на несколько факторов. Алгоритмы глубокого обучения используются, чтобы помочь беспилотным автомобилям контекстуализировать информацию, полученную их датчиками, например, расстояние до других объектов, скорость, с которой они движутся, и предсказание того, где они будут через 5-10 секунд. Вся эта информация рассчитывается одновременно, чтобы помочь беспилотному автомобилю принимать решения, например, когда менять полосу движения.

Глубокое обучение имеет большие перспективы в бизнесе и, вероятно, будет использоваться чаще. Старые алгоритмы машинного обучения, как правило, останавливаются в своих возможностях после захвата определенного объема данных, но модели глубокого обучения продолжают улучшать свою производительность по мере получения большего количества данных. Это делает модели глубокого обучения гораздо более масштабируемыми и детализированными; можно даже сказать, что модели глубокого обучения более независимы.

ИИ и бизнес сегодня

Вместо того, чтобы служить заменой человеческого интеллекта и изобретательности, искусственный интеллект обычно рассматривается как вспомогательный инструмент. Хотя в настоящее время ИИ с трудом справляется с задачами здравого смысла в реальном мире, он способен обрабатывать и анализировать массивы данных намного быстрее, чем человеческий мозг. Затем программное обеспечение искусственного интеллекта может вернуться с синтезированными курсами действий и представить их пользователю-человеку. Таким образом, мы можем использовать ИИ, чтобы помочь обыграть возможные последствия каждого действия и упростить процесс принятия решений.

«Искусственный интеллект — это своего рода второе пришествие программного обеспечения», — сказал Амир Хусейн, основатель и генеральный директор компании SparkCognition, занимающейся машинным обучением. «Это форма программного обеспечения, которое самостоятельно принимает решения, которое способно действовать даже в ситуациях, не предусмотренных программистами. Искусственный интеллект имеет более широкие возможности для принятия решений по сравнению с традиционным программным обеспечением».

Эти качества делают искусственный интеллект очень ценным во многих отраслях — будь то просто помощь посетителям и персоналу в перемещении по корпоративному кампусу или выполнение такой сложной задачи, как мониторинг ветряной турбины, чтобы предсказать, когда она потребует ремонта.

Распространенные области применения ИИ

Одними из самых распространенных областей применения ИИ являются машинное обучение, кибербезопасность, управление взаимоотношениями с клиентами, поиск в Интернете и личные помощники.

Машинное обучение

Машинное обучение часто используется в системах, собирающих большие объемы данных. Например, интеллектуальные системы управления энергопотреблением собирают данные с датчиков, прикрепленных к различным объектам. Затем массивы данных контекстуализируются с помощью алгоритмов машинного обучения и доставляются лицам, принимающим решения в вашей компании, для лучшего понимания потребностей в потреблении энергии и техническом обслуживании.

Кибербезопасность

Искусственный интеллект является незаменимым союзником даже в том случае, когда нужно искать бреши в защите компьютерных сетей, сказал Хусейн. Хотите верьте, хотите нет, но системы ИИ могут распознавать кибератаку, а также другие киберугрозы, отслеживая шаблоны на основе входных данных. Обнаружив угрозу, он может вернуться к вашим данным, чтобы найти источник и помочь предотвратить будущую угрозу. Эта дополнительная пара глаз — такая же усердная и непрерывная, как ИИ, — послужит большим преимуществом в сохранении вашей инфраструктуры.

«У вас действительно не может быть достаточного количества экспертов по кибербезопасности, чтобы заниматься этими проблемами, из-за масштаба и возрастающей сложности», — добавил Хусейн. «Искусственный интеллект также играет здесь все большую роль».

Управление взаимоотношениями с клиентами

Искусственный интеллект также меняет системы управления взаимоотношениями с клиентами (CRM). Такие программные продукты, как Salesforce и Zoho, требуют серьезного вмешательства человека, чтобы оставаться актуальными и точными. Но когда вы применяете ИИ к этим платформам, обычная CRM-система превращается в самообновляющуюся, автоматически корректирующуюся систему, которая остается для вас на вершине управления вашими отношениями.

Совет: Для тех, кто работает в новых компаниях, прочитайте наш обзор Zoho CRM или наш обзор Salesforce, чтобы узнать об одной из самых популярных CRM.

Отличный пример того, как ИИ может помочь в отношениях с клиентами, продемонстрирован в финансовом секторе. Доктор Хоссейн Рахнама, основатель и генеральный директор консьерж-компании Flybits, работающей с искусственным интеллектом, и приглашенный профессор Массачусетского технологического института, работал с TD Bank над интеграцией искусственного интеллекта в обычные банковские операции.

«С помощью этой технологии, если у вас есть ипотечный кредит в банке, и он подлежит продлению через 90 дней или меньше… если вы проходите мимо отделения, вы получаете персонализированное сообщение с приглашением пойти в отделение и продлить покупку», — сказал Рахнама. «Если вы просматриваете недвижимость для продажи и проводите там более 10 минут, вам будет отправлено возможное предложение по ипотеке. [См.: CRM и автоматизация маркетинга: в чем разница? ]

Интернет и исследования данных

Искусственный интеллект использует огромное количество данных для выявления моделей поведения людей при поиске и предоставления им более актуальной информации об их обстоятельствах. По мере того, как люди будут больше использовать свои устройства, а технология искусственного интеллекта станет еще более продвинутой, пользователи получат более настраиваемый опыт. Это означает мир для вашего малого бизнеса, потому что вам будет легче ориентироваться на очень конкретную аудиторию.

«Мы больше не ожидаем, что пользователь будет постоянно искать в поисковой строке то, что ему нужно», — добавил Рахнама. «Сдвигается парадигма того, как нужная информация находит нужного пользователя в нужное время».

Цифровые персональные помощники

Искусственный интеллект доступен не только для создания более индивидуального опыта для ваших клиентов. Это также может изменить способ работы вашей компании изнутри. Боты с искусственным интеллектом можно использовать в качестве личных помощников, которые помогают управлять электронной почтой, вести календарь и даже давать рекомендации по оптимизации процессов.

Вы также можете запрограммировать этих ИИ-помощников, чтобы они отвечали на вопросы клиентов, которые звонят или общаются в онлайн-чате. Все это небольшие задачи, которые имеют огромное значение, предоставляя вам дополнительное время, чтобы сосредоточиться на реализации стратегий для развития бизнеса.

Ключевой вывод: Вместо того, чтобы служить заменой человеческого интеллекта и изобретательности, искусственный интеллект обычно рассматривается как вспомогательный инструмент. Люди могут использовать ИИ для прогнозирования возможных последствий и оптимизации процесса принятия решений.

Будущее ИИ

Как можно будет использовать искусственный интеллект в будущем? Трудно сказать, как будет развиваться технология, но большинство экспертов считают, что эти «здравые» задачи становятся еще проще для компьютеров. Это означает, что роботы станут чрезвычайно полезными в повседневной жизни.

«ИИ начинает делать то, что раньше считалось невозможным, например, беспилотные автомобили», — сказал Рассел Гленистер, генеральный директор и основатель Curation Zone. «Беспилотные автомобили стали реальностью только благодаря доступу к обучающим данным и быстрым графическим процессорам, которые являются ключевыми факторами. Для обучения беспилотных автомобилей требуется огромное количество точных данных, и скорость является ключом к обучению. Пять лет назад процессоры были слишком медленными, но появление графических процессоров сделало все это возможным».

Гленистер добавил, что графические процессоры (GPU) будут только становиться быстрее, улучшая приложения программного обеспечения искусственного интеллекта по всем направлениям.

«Быстрые процессы и большое количество чистых данных — ключ к успеху ИИ, — сказал он.

Доктор Натан Уилсон, соучредитель и технический директор Nara Logics, сказал, что он видит ИИ на пороге революции в таких привычных видах деятельности, как прием пищи. Уилсон предсказал, что ресторан может использовать ИИ, чтобы решить, какую музыку играть, исходя из интересов присутствующих гостей. Искусственный интеллект может даже изменить внешний вид обоев в зависимости от того, какие технологии предвидят эстетические предпочтения толпы.

Если вам этого недостаточно, Рахнама предсказал, что ИИ выведет цифровую технологию из двумерной, экранизированной формы, к которой привыкли люди. Вместо этого он предвидит, что основным пользовательским интерфейсом станет физическая среда, окружающая человека.

«Мы всегда полагались на двухмерный дисплей, чтобы играть в игру, взаимодействовать с веб-страницей или читать электронную книгу, — сказал Рахнама. «То, что произойдет сейчас с искусственным интеллектом и комбинацией [Интернета вещей], заключается в том, что дисплей не будет основным интерфейсом — им станет окружающая среда. Вы увидите, как люди разрабатывают опыт вокруг себя, будь то в подключенных зданиях или подключенных залах заседаний. Это будут 3D-опыты, которые вы действительно сможете ощутить». [Взаимодействуете с цифровыми наложениями в ближайшем окружении? Звучит как работа для дополненная реальность .]

Знаете ли вы? Прогнозируется, что ИИ выведет цифровые технологии из формы двумерного экрана и вместо этого станет физической средой, окружающей человека.

Что означает ИИ для работника?

Со всеми этими новыми способами использования ИИ возникает пугающий вопрос: заставят ли машины людей лишиться работы? Жюри еще не вынесено: некоторые эксперты категорически отрицают, что ИИ автоматизирует столько рабочих мест, что миллионы людей окажутся безработными, в то время как другие эксперты считают это насущной проблемой.

«Структура рабочей силы меняется, но я не думаю, что искусственный интеллект существенно заменит рабочие места», — сказал Рахнама. «Это позволяет нам действительно создать экономику, основанную на знаниях, и использовать ее для создания лучшей автоматизации для лучшей формы жизни. Это может быть немного теоретически, но я думаю, что если вам нужно беспокоиться о том, что искусственный интеллект и роботы заменят наши рабочие места, то, вероятно, алгоритмы заменят рабочие места белых воротничков, таких как бизнес-аналитики, менеджеры хедж-фондов и юристы».

Хотя до сих пор ведутся споры о том, как развитие искусственного интеллекта изменит рабочую силу, эксперты сходятся во мнении, что есть некоторые тенденции, которые мы можем ожидать.

Создаст ли ИИ рабочие места?

Некоторые эксперты считают, что, поскольку искусственный интеллект будет интегрирован в рабочую силу, он фактически создаст больше рабочих мест — по крайней мере, в краткосрочной перспективе.

Уилсон сказал, что переход к системам на основе ИИ, вероятно, приведет к тому, что в экономике появятся новые рабочие места, которые облегчат переход.

«Искусственный интеллект создаст больше богатства, чем уничтожит, — сказал он, — но оно не будет распределяться справедливо, особенно поначалу. Изменения будут ощущаться подсознательно, а не явно. Бухгалтер по налогам никогда не получит уведомление об увольнении и не встретится с роботом, который теперь сядет за ее стол. Скорее, в следующий раз, когда налоговый бухгалтер подаст заявление о приеме на работу, найти ее будет немного сложнее».

Уилсон ожидает, что ИИ на рабочем месте будет фрагментировать давние рабочие процессы, создавая множество рабочих мест для людей, чтобы интегрировать эти рабочие процессы.

А что после перехода?

Прежде всего, это переход, который займет годы, если не десятилетия, в разных секторах рабочей силы. Таким образом, эти прогнозы труднее определить, но некоторые другие эксперты, такие как Хусейн, обеспокоены тем, что, как только ИИ станет повсеместным, эти дополнительные рабочие места (и те, которые уже существовали) могут начать сокращаться.

Из-за этого Хусейн сказал, что ему интересно, куда пойдут эти рабочие в долгосрочной перспективе. «В прошлом были возможности перейти от сельского хозяйства к производству и услугам. Это не так. Почему? Промышленность была полностью роботизирована, и мы видим, что автоматизация имеет больше экономического смысла».

Хусейн привел в качестве примеров беспилотные грузовики и консьержей с искусственным интеллектом, таких как Siri и Cortana, заявив, что по мере совершенствования этих технологий их широкое использование может сократить до 8 миллионов рабочих мест только в США.

«Когда все эти рабочие места начнут исчезать, мы должны спросить себя: что делает нас продуктивными? Что означает производительность?», — добавил он. «Сейчас мы сталкиваемся с меняющейся реальностью и ставим под сомнение базовые предположения общества. Мы должны серьезно подумать об этом и решить, что делает нас продуктивными и какова ценность людей в обществе. Нам нужно провести эти дебаты, и сделать это быстро, потому что технологии не будут ждать нас».

Переход к более специализированным навыкам

Поскольку ИИ становится все более интегрированной частью рабочей силы, маловероятно, что все человеческие рабочие места исчезнут. Вместо этого многие эксперты начали предсказывать, что рабочая сила станет более специализированной. Эти роли потребуют большего количества того, что автоматизация (пока) не может обеспечить, например, творчества, решения проблем и качественных навыков.

По сути, потребность в людях на рынке труда всегда будет, но их роли могут меняться по мере развития технологий. Спрос на определенные навыки будет меняться, и многие из этих рабочих мест потребуют более продвинутого набора технических навыков.

Будущее за ИИ

Будь оно радужным или каменистым, будущее наступает быстро, и искусственный интеллект, безусловно, будет его частью. По мере развития этой технологии мир увидит новые стартапы, множество бизнес-приложений и потребительских применений, перемещение определенных рабочих мест и создание совершенно новых.