Мнение: почему интерес к искусственному интеллекту увеличивается?

Искусственный интеллект: что о нем думают ученые

Сегодня об искусственном интеллекте не пишет только ленивый.

Например, в Autodesk считают, что искусственный интеллект может учитывать гораздо больше факторов, чем человек, и, таким образом, давать более точные, логичные и даже более креативные решения сложных проблем.

В Оксфордском университете вообще высказывают предположения о том, что искусственный интеллект в недалеком будущем может заменить штатных журналистов и писать за них обзоры и статьи (и того и гляди выиграет Пулитцеровскую премию).

Общее увлечение темой искусственного интеллекта давно вышло за рамки научных конференций и будоражит умы писателей, кинематографистов и широкой общественности. Кажется, что от будущего, в котором роботы (или Скайнет) правят миром или, как минимум, решают большую часть повседневных задач, рукой подать. Но что по этому поводу думают сами ученые?

Обратите внимание

Для начала стоит разобраться с термином «искусственный интеллект»: слишком много существует на эту тему домыслов и художественных преувеличений.

В этом вопросе лучше всего обратиться к автору этого термина (и по совместительству создателю языка Лисп и лауреату множества премий) – Джону Маккарти.

В статье с одноименным названием («Что такое искусственный интеллект?») Маккарти приводил следующее определение:

Получается, что искусственный интеллект и интеллект «человеческий» тесно связаны? Не совсем так – сам Маккарти подчеркивал: если интеллект «вообще» – это «вычислительная» составляющая того, что помогает субъекту достигать заданных целей, тогда интеллект человека, животных и машин будет работать по-разному.

Выходит, что искусственный интеллект – это не подобие человеческого, хотя многим футуристам, писателям и даже ученым хочется верить в то, что это не так. Об этом часто повторяет Майкл Джордан, почетный профессор Калифорнийского Университета в Беркли. Он считает, что недостаточное понимание того, что же представляет из себя искусственный интеллект, приводит не просто к созданию «красивых образов», не связанных с реальной наукой, а к самой настоящей дезинформации и разного рода мифам, процветающим в этой области.

Миф первый: для создания или усовершенствования искусственного интеллекта надо разобраться с тем, как работает человеческий мозг

Джордан утверждает, что это вовсе не так. Работа искусственного интеллекта, как правило, не имеет ничего общего с тем, как устроен интеллект человека. Этот «миф» глубоко укоренился из-за пристрастия общественности к «красивым идеям»: авторам научно-популярных статей об искусственном интеллекте пришлись очень по душе метафоры, взятые из нейробиологии.

На самом деле нейробиология имеет очень опосредованное отношение (или вообще не имеет никакого отношения) к работе искусственного интеллекта.

Для Майкла Джордана идея о том, что «для глубинного обучения нужно понимание того, как обрабатывает информацию и учится человеческий мозг», звучит как откровенная ложь.

«Нейроны», задействованные в глубинном обучении – это метафора (или, выражаясь языком Джордана, вообще «карикатура» на работу мозга), которая применяется только для краткости и удобства.

В действительности же работа механизмов того же глубинного обучения гораздо ближе к процедуре построения статистической модели логистической регрессии, чем к работе настоящих нейронов. При этом, никому не приходит в голову для «краткости и удобства» использовать метафору «нейрона» в статистике и эконометрике.

Миф второй: искусственный интеллект и глубинное обучение – последние достижения современной науки

Важно

Мнение о том, что «думающие как человек» компьютеры будут сопровождать нас в недалеком будущем, напрямую связано с идеей, согласно которой искусственный интеллект, нейронные сети, глубинное обучение являются достоянием исключительно современной науки.

Ведь если допустить мысль о том, что все это было придумано десятилетия назад (а роботы к сегодняшнему дню так и не захватили мир), «порог ожиданий» от научных достижений вообще и скорости их развития в частности придется серьезно снизить.

К сожалению, СМИ стараются сделать все возможное, чтобы подогреть интерес к своим материалам, и очень избирательно относятся к выбору тематик, которые, по мнению редакторов, вызовут интерес у читателей.

В итоге описываемые ими достижения и их перспективы оказываются гораздо более внушительными, чем реальные открытия, а часть информации просто «аккуратно опускается», чтобы не снижать накала страстей.

Многое из того, что сейчас преподносят «под соусом» искусственного интеллекта, является просто переработанной информацией о нейронных сетях, которые известны человечеству с 80-х годов.

Миф третий: искусственная нейронная сеть состоит из тех же элементов, что и «реальная» На самом деле специалисты, занятые вопросами разработки вычислительных систем, оперируют нейробиологическими терминами и формулировками гораздо смелее, чем многие нейробиологи.

Интерес к работе мозга и устройству интеллекта человека стал питательной средой для развития такой теории как «невральный реализм». В системах искусственного интеллекта нет ни спайков, ни дендритов, более того, принципы их работы далеки не только от работы головного мозга, но и от пресловутого «неврального реализма».

Фактически, в нейронных сетях ничего «нейронного» нет. Более того, идея «неврального реализма», основанная на уподоблении работы систем искусственного интеллекта работе мозга, по мнению Джордана, не выдерживает критики. По его словам, к прогрессу в сфере искусственного интеллекта привел не «невральный реализм», а использование принципов, совершенно не согласующихся с тем, как работает мозг человека. В качестве примера Джордан приводит популярный алгоритм глубинного обучения, основанный на «обратной передаче ошибки обучения». Его принцип работы (а именно передача сигнала в обратном направлении) явно противоречит тому, как работает человеческий мозг.

Миф четвертый: ученые хорошо понимают, как работает «человеческий» интеллект

И это снова далеко от истины. Как утверждает все тот же Майкл Джордан, глубинные принципы работы мозга не просто остаются нерешенной проблемой нейробиологии – в этой области ученых отделяют от решения вопроса десятки лет.

Совет

А попытки создать работающую имитацию мозга так же не приближают исследователей к пониманию того, как устроен человеческий интеллект.

Джон Маккарти, в свою очередь, подчеркивал: проблема не только в том, чтобы создать систему по образу и подобию человеческого интеллекта, а в том, что сами ученые не придерживаются единого мнения по поводу того, что он (интеллект) из себя представляет и за какие конкретно процессы отвечает.

На этот вопрос ученые пытаются ответить по-разному. В своей книге «Нейронные сети и глубинное обучение» Майкл Нилсен приводит несколько точек зрения. Например, с позиции коннектомики наш интеллект и его работа объясняются тем, сколько нейронов и глиальных клеток содержит наш мозг, и сколько соединений наблюдается между ними.

Учитывая, что в нашем мозге насчитывается порядка 100 млрд нейронов, 100 млрд глиальных клеток и 100 трлн соединений между нейронами, говорить о том, что мы можем «в точности воссоздать» эту архитектуру и заставить ее работать, в ближайшем будущем крайне маловероятно.

А вот молекулярные биологи, изучающие геном человека и его отличия от близких родственников людей по эволюционной цепочке, дают более обнадеживающие прогнозы: оказывается, геном человека отличается от генома шимпанзе на 125 миллионов пар оснований.

Цифра большая, но не бесконечно огромная, что дает Нилсену повод надеяться, что на основании этих данных группа ученых сможет составить если не «работающий прототип», то как минимум сколь бы то ни было адекватное «генетическое описание» человеческого мозга или скорее базовые принципы, лежащие в основе его работы.

Стоит сказать, что Нилсен придерживается «общепринятого человеческого шовинизма» и полагает, что значимые принципы, определяющие работу человеческого интеллекта, лежат в тех самых 125 миллионах пар оснований, а не в остальных 96% генома, которые у человека и шимпанзе совпадают.

Так сможем ли мы создать искусственный интеллект, равный по возможностям человеческому? Получится ли у нас в обозримом будущем понять, как именно работает наш собственный мозг? Майкл Нилсен, считает, что это вполне возможно – если вооружиться верой в светлое будущее и в то, что многие вещи в природе работают по более простым законам, чем это кажется на первый взгляд. А вот Майкл Джордан дает более близкий к практической работе исследователей совет: не поддаваться на провокации журналистов и не искать «революционные» решения. По его мнению, привязываясь к человеческому интеллекту как отправной точке и конечной цели своих исследований, ученые, работающие над проблемой искусственного интеллекта, излишне ограничивают себя: интересные решения в этой области могут лежать в направлениях, никак не связанных с тем, как устроен наш мозг (и как нам представляется его устройство).

P.S. Мы в 1cloud рассматриваем самые разные темы в нашем блоге на Хабре – пара примеров:

Источник: https://habr.com/company/1cloud/blog/281282/

Мнение эксперта: ИИ — страшилка 21 века

Новый план Элона Маска пересадить нас всех в самоуправляемый транспорт говорит о его твердой вере в искусственный интеллект, который гарантирует, что его «Теслы» будут умными и смогут реагировать на различные дорожные ситуации в режиме реального времени. ИИ способен на крайне интересные вещи. На прошлой неделе, например, создатели компьютерной программы AlphaGo сообщили, что их программное обеспечение научилось ориентироваться в сложной системе лондонского метрополитена как у себя дома.

И все же ИИ должен пройти долгий путь, прежде чем люди начнут переживать о переходе мира под полное управление машин, считает Орен Этциони, компьютерный ученый, который провел последние несколько десятилетий в попытке решить фундаментальные проблемы искусственного интеллекта.

В настоящее время Этциони является главным исполнительным директором Алленовского института искусственного интеллекта (AI2), организации, которую соучредитель Microsoft Пол Аллен сформировал в 2014 году.

С ее помощью он планировал сосредоточиться на потенциальных выгодах ИИ — и развеять домыслы, которые распространяет Голливуд и другие ученые, на тему угроз человеческой расе.

Обратите внимание

Собственные проекты AI2 не особо впечатляют — среди них поисковая система на основе ИИ для научных исследований Semantic Scholar, для примера — но посвящены таким решениям в области ИИ, как рассуждения, тем самым двигают всю область вперед.

Журнал Scientific American взял у Этциони интервью на недавней конференции, посвященной ИИ, в Нью-Йорке, где он выразил озабоченность по поводу того, что компании преувеличивают текущие возможности этой технологии, в частности и технику машинного обучения, известного как глубокое обучение.

Этот процесс пропускает большие наборы данных через сети, имитируя нейронные сети человеческого мозга, и позволяет компьютерам самостоятельно обучаться решению специфических проблем, например, распознаванию изображений или идентификации конкретных объектов на фотографиях.

Этциони также рассказал, почему 10-летний ребенок умнее программы AlphaGo и почему необходимо будет разработать программы искусственного интеллекта по типу «хранителей», которые не позволят другим программам ИИ стать опасными.

Наблюдается ли раскол среди исследователей ИИ на тему лучшего пути развития технологии?

Некоторые люди прыгают выше головы. Мы наблюдаем серьезный прогресс в таких областях, как распознавание речи, самоуправляемые автомобили (хоть и в слегка ограниченной форме) и, конечно, AlphaGo. Все эти технические достижения вполне реальны.

Но как мы их интерпретируем? Глубокое обучение, очевидно, ценная технология, но чтобы создать искусственный интеллект, нам нужно решить множество других проблем, включая рассуждения (чтобы машина могла понимать, а не просто рассчитывать 2 + 2 = 4) и получение фоновых знаний, на основе которых машина могла бы создавать контекст.

Понимание естественного языка — еще один пример. Даже если у нас есть AlphaGo, у нас нет программы, которая может прочитать и полностью понять абзац или даже просто предложение.

Говорят, что глубокое обучение — «лучшее, что у нас есть» в рамках ИИ. Не играет ли это против глубокого обучения?

Если у вас есть много данных, помеченных таким образом, что компьютер знает, что они означают, есть много вычислительной мощности и вы попытаетесь найти закономерности в этих данных, с глубоким обучением тягаться бесполезно.

Важно

В случае того же AlphaGo, система обрабатывает 30 миллионов позиций и обучает программу ИИ правильно двигаться в разных ситуациях. Есть и другие сценарии — например, радиологические снимки — когда снимки помечаются как с опухолью и без, а программа глубокого обучения их перебирает и выявляет опухоли.

Читайте также:  Силой мысли можно контролировать роботизированный экзоскелет

С глубоким обучением можно делать много всяких интересных вещей, и да, это прорывная технология.

В чем же проблема?

Проблема в том, что в таких ситуациях нужно намного больше интеллекта, чем просто обученная программа. Представьте данные, которые доступны ученику в рамках стандартного теста вроде ЕГЭ или вступительных экзаменов в вуз.

Нельзя изучить 30 миллионов предыдущих экзаменов, которые отмечены как «успешные» или «безуспешные», чтобы набрать высший балл. Это более сложный, интерактивный процесс обучения. Интеллект также включает обучение из беседы или в контексте, в процессе чтения книги.

Но несмотря на все глубокое обучение, у нас нет программы, способной на подвиг 10-летнего, который может взять книгу, прочитать главу и ответить на вопросы, о чем эта книга.

Будет ли способность ИИ проходить стандартизованные тесты значительным прорывом в области технологий?

Мы фактически начали работать над этим в рамках исследовательской программы в Алленовском институте искусственного интеллекта.

В прошлом году мы объявили приз в размере 50 000 долларов для всех, кто смог бы создать программное обеспечение на основе ИИ, способное пройти стандартный научный тест восьмиклассников.

Более 780 команд со всего мира работали несколько месяцев над этим, но никто не смог набрать больше 60%. Это демонстрирует реалистичную и количественную оценку того, где мы находимся сегодня.

Как самым эффективным ИИ удается правильно отвечать на вопросы?

Совет

Все дело в языке. Наиболее успешные системы используют тщательно собранную информацию из научных текстов и других публичных ресурсов, которая затем просеивается с помощью тщательно настроенных информационно поисковых методов в поисках лучших ответов, желательно с несколькими вариантами.

Например, что из этого будет лучшим проводником электричества: пластиковая ложка, деревянная вилка или железный поднос.

Программы отлично разбираются в формулах и могут определить, что электричество и железо или проводимость и железо часто вместе встречаются во многих документах, чаще, чем пластик и проводимость, например. Поэтому иногда программы могут срезать путь и найти ответ.

Почти так же, как дети делают логичные предположения. Но поскольку ни одна система не набрала больше 60%, эти программы используют статистику, чтобы делать логичные предположения, а не размышляют над вопросом.

Команда DeepMind, создавшая AlphaGo, имеет программу ИИ, которая выходит за рамки глубокого изучения, используя внешнюю систему памяти. Какое влияние их работа может оказать на создание более человекоподобного ИИ?

DeepMind остается лидером в продвижении глубоких нейронных сетей (ИИ, предназначенных для имитации человеческого мозга) вперед.

Этот особый вклад является важным, но небольшим шагом в сторону рассуждения над тем, как факты связываются в структуру — например, на карте метро.

Существующие символические программы могут с легкостью выполнять эту задачу, но важное достижение — заслуживающее публикации в Nature — в том, что нейронные сети обучаются выполнению задач по примерам. Это большой шаг для DeepMind, но маленький для человечества.

Можно ли использовать комбинацию подходов — глубокое обучение, машинное зрение и память, например — чтобы разработать более полный ИИ?

Это весьма привлекательная идея, и на самом деле много моих исследовательских работ, когда я был профессор Вашингтонского университета, было построено на использовании Интернета как базы данных для системы ИИ.

Обратите внимание

Мы создали метод под названием open-information exctraction (извлечение открытой информации) и проиндексировали пять миллиардов веб-страничек, извлекая из них предложения и пытаясь создать на их основе карту знаний для машины.

У той машины была сверхъестественная способность всасывать веб-странички, извлекая из них предложения. Но предложения — это текст или картинки. У нашего человеческого мозга есть уникальная способность — которую мы пока еще не взломали — превращать действие в рассуждение и наоборот.

У нас есть универсальная база данных, которая формируется не на основе изображений и текста, а основе продуктов их обработки, осмысления. Такому машины пока не научились.

Вы говорите, что ИИ человеческого уровня появится не раньше чем через 25 лет. Почему именно человеческого уровня и почему именно эти временные рамки?

Истинное понимание естественного языка, широта и общность человеческого интеллекта, наша способность одновременно играть в го и переходить дорогу, а также готовить сносный омлет — это разнообразие является отличительной чертой человеческого интеллекта, а все, что мы сделали до сих пор, это разработали узконаправленные программы, которые могут делать что-то одно очень хорошо.

Чтобы прийти к таким срокам, я общался с коллегами из Ассоциации по улучшению ИИ на тему того, когда у нас появится компьютерная система, которая будет умной, как человек, в более широком смысле. Никто не осмелился назвать цифру в 10 лет, 67% заявили, что через 25 лет и даже больше, а 25% сказали «никогда». Могут ли они ошибаться? Конечно.

Но кому вы поверите: тем, кто в теме, или Голливуду?

Почему так много уважаемых ученых и инженеров делают из ИИ страшилку 21 века?

Мне трудно рассуждать о том, что движет Стивеном Хокингом или Элоном Маском, когда они так тревожно высказываются об ИИ. Можно предположить, что разговоры о черных дырах становятся скучными через некоторое время — эта тема развивается медленно.

Единственное, что я хотел бы отметить, это когда Билл Гейтс — которого я безумно уважаю — говорит о том, что ИИ может стать злом или привести к катастрофическим последствиям, он всегда добавляет «в конечном счете» или «возможно». И с этим я согласен. Говоря о будущей тысяче лет, все может случиться.

Но не думаю, что такая долгосрочная перспектива должна отвлекать нас от реальных проблем, которые мы встречаем на пути развития ИИ. Вот это «в конечном счете» или «возможно» часто теряется по дороге к головам людей.

Учитывая недостатки ИИ, стоит ли людям переживать о растущем интересе автопроизводителей к самоуправляемым автомобилям?

Важно

Я не большой поклонник самоуправляемых автомобилей, у которых нет руля или педали тормоза. С тем, что я знаю о компьютерном зрении и искусственном интеллекте, мне было бы очень некомфортно.

Но я фанат комбинированной системы — которая сможет затормозить за вас, если вы уснете за рулем, например. Человек-водитель и автоматизированная система вкупе могут быть безопасней, чем по одиночке. Это не просто.

Принять новые технологии и включить в жизнь и работу людей — не просто. Но я не верю, что отдать всю работу на откуп автомобилей — правильное решение.

Источник: https://Hi-News.ru/technology/mnenie-eksperta-ii-strashilka-21-veka.html

5 мифов об Искусственном Интеллекте

Mashable рассказали, почему не стоит бояться Искусственного Интеллекта. Представляем перевод статьи об основных мифах, распространенных в обществе и касающихся непосредственно ИИ.

За последние годы тема искусственного интеллекта стала особенно обсуждаемой, хотя само понятие существует уже давно. ИИ – это наука и технология, призванная создавать машины, которые могли бы работать и действовать, как человек. Под этим, в основном, подразумевается приближенная к человеческой способность понимать, рассуждать, учиться и взаимодействовать.

Вместе с ростом интереса к ИИ появилось и множество заблуждений. Нередко встречается мнение, что искусственный интеллект представляет серьезную угрозу, вплоть до захвата мира в будущем.

Однако, на самом деле технология ИИ про то, как дополнить возможности человеческого мозга, помочь нам лучше оперировать своими данными и, в конечном счете, работать эффективнее.

Доля компаний, где человек работает совместно с ИИ, увеличивается, небольшие организации подтягиваются вслед за крупными, такими, как IBM. Меняются, оптимизируются бизнес-процессы, а вместе с ними – и общество.

Словом, беспокойство о том, что ИИ поработит человечество, – напрасно. Рассказываем, почему.

Миф 1

ИИ – просто заумное обозначение для роботов

Существует стереотип, согласно которому искусственный интеллект – красивый синоним для обозначения роботов. Тех, что, подобно человеку, двигаются, говорят и совершают различные действия. Однако это неверно. В основе ИИ и роботов лежат отличные друг от друга концепты.

Робот – это программируемая машина, автономно или полу-автономно выполняющая указанные действия, тогда как ИИ использует компьютерные алгоритмы для решения сложных задач, требующих, как правило, человеческого интеллекта. В этом смысле ИИ можно представить как мозг.

Пересекаются эти технологии в отдельных видах роботов, контролируемых с помощью ИИ.

Миф 2

ИИ – самодостаточен

Многие необоснованно полагают, что программы на искусственном интеллекте могут существовать независимо от человека. Такое заблуждение связано с усложнением разработок ученых и расширяющимся спектром задач, подвластным ИИ. Однако искусственный интеллект не может полностью обойтись без человека.

Разумеется, определенные процессы можно доверить ИИ. Например, автоматизированные и персонализированные рекомендации для пользователей музыкальных стриминговых сервисов. Но когда дело касается принятия решений, связанных, скажем, со здоровьем или медициной, большую роль играет именно человеческий фактор.

Дэвид Кенни, старший вице-президент проекта IBM Watson and Cloud, подтверждает, что ИИ бессилен там, где необходимо принять критическое решение: для этого требуются человеческие суждения, мораль и интуиция.

Миф 3

ИИ отберет у нас работу

Распространенное беспокойство касается автоматизации множества рабочих процессов, достигнутой благодаря искусственному интеллекту. Кого-то это заставляет задуматься: вдруг ИИ действительно сможет заменить человека на его рабочем месте и вызовет, тем самым, масштабную безработицу.

При этом упускается из виду, что ИИ призван работать вместе, а не вместо человека. Сейчас многие компании ищут способы наиболее эффективного разделения труда между человеком и искусственным интеллектом.

Именно поэтому основное направление сегодняшних разработок связано с выяснением границ возможностей искусственного интеллекта и разделением видов деятельности на подходящие для ИИ и те, которые лучше поручить человеку.

Совет

Это не первый случай, когда технологии вызывают страх потери рабочих мест. Ранее в качестве такой угрозы выступали банкоматы и сканеры штрих-кодов. Однако эти новшества не только улучшили свои отрасли, но и привели к появлению ранее не существовавших должностей.

Так что не стоит переживать: там, где ИИ может закрыть одну дверь, он непременно откроет другую. В будущем люди и машины смогут продуктивно работать бок о бок, причем человеку достанутся самые интересные и творческие задачи.

Миф 4

Только крупные технологические компании прибегают к ИИ

Поскольку искусственный интеллект связан с наукой и высокими технологиями, не трудно понять, откуда взялось убеждение в том, что ИИ – это прерогатива международных корпораций с большим штатом сотрудников.

В действительности же, искусственный интеллект давно проник во многие сферы нашей повседневной жизни. Даже не осознавая того, каждый день мы сталкиваемся с продуктами ИИ.

Голосовые помощники в смартфонах, подборка музыкальных рекомендаций, основанная на прослушанных ранее композициях, постоянный мониторинг искусственным интеллектом активности ваших банковских карт и предупреждения, в случае выявления чего-то подозрительного.

Миф 5

ИИ захватит мир

Такой вещи, как порабощение человечества искусственным интеллектом, никогда не произойдет. Утверждать это можно, как минимум, на основе простых фактов: любые ИИ-программы создаются очень тщательно и изначально направлены на улучшение жизни человека. Когда мы начнем понимать, что такое ИИ и какова мотивация его создателей, мы увидим и выгоды, которые принесет его использование обществу.

Распространение ИИ приведет к появлению новых бизнес-моделей и потребует развития новых навыков у работников. Конечно, правильное управление такими технологическими системами подразумевает объединение усилий и совместную работу политиков, бизнес-деятелей и всего сообщества.

Источник: http://startupreviews.ru/zabluzhdeniya-svyazannye-s-voprosami-iskusstvennogo-intellekta/

72% россиян за развитие искусственного интеллекта

Большинство опрошенных уверены, что повсеместное развитие искусственного интеллекта приведет к массовой безработице, но все равно позитивно относятся к этой технологии. В чем они видят основные плюсы внедрения ИИ в жизнь общества? Опасаются ли «восстания машин»? И верят ли, что искусственный интеллект когда-нибудь превзойдет человеческий?

Читайте также:  Ученые выделили 5 причин, которые исключают страх перед роботами

Результаты исследования

Интересуетесь ли Вы такой отраслью науки, как создание искусственного интеллекта?

Как Вы считаете, возможно ли, что в будущем искусственный интеллект сравнится с интеллектом человека?

Как Вы думаете, может ли компьютер (в будущем, теоретически) приобрести способность мыслить и осознавать себя?

Как Вы думаете, в целом развитие искусственного интеллекта — это хорошо или плохо?

Как Вы думаете, в целом развитие искусственного интеллекта — это хорошо или плохо?  Ваше образование: 
Среднее образование Средне-специальное образование Неоконченное высшее образование Высшее образование Несколько высших/учёная степень
Определённо хорошо 9% 13% 16% 16% 24%
Скорее хорошо 48% 58% 47% 59% 54%
Скорее плохо 41% 27% 30% 21% 20%
Определённо плохо 3% 3% 7% 4% 2%

Верите ли Вы в то, что в будущем искусственный интеллект и роботизированные механизмы заменят человека в следующих сферах?

Какие плюсы в развитии искусственного интеллекта Вы видите?

Какие минусы в развитии искусственного интеллекта Вы видите?

Как Вы считаете, приведёт ли повсеместное внедрение искусственного интеллекта к массовой безработице?

Как Вы считаете, приведёт ли повсеместное внедрение искусственного интеллекта к массовой безработице? Ваш возраст: 
18-30 лет 31-45 лет 46-55 лет Старше 55 лет
Определённо да 28% 24% 25% 17%
Скорее да 54% 48% 53% 47%
Скорее нет 17% 25% 20% 32%
Определённо нет 1% 2% 2% 5%

По вашему мнению, в настоящий момент в каких сферах искусственный интеллект уступает человеческому, а в каких превосходит его?

Как Вы думаете, в настоящий момент в каких сферах применение искусственного интеллекта наиболее эффективно?

Однозначный интерес к такой отрасли науки, как искусственный интеллект, проявляет половина россиян (51%). Однако признались, что хорошо разбираются в этом вопросе, лишь 5% респондентов. Еще 6% сказали, что совсем не интересуются этой темой.

При этом большинство россиян (72%) позитивно оценивают вхождение искусственного интеллекта в жизнь человека. Отметим, что оценка ИИ как явления улучшается с повышением уровнем образования опрошенных. Так, к его развитию относятся плохо или скорее плохо 44% респондентов со средним образованием, 25% с высшим образованием и 22% — с несколькими высшими образованиями или ученой степенью.

Искусственный интеллект — плюсы и минусы

Главными плюсами в развитии искусственного интеллекта россияне считают возможность освободить человека от вредного или опасного производства (85%), повышение скорости и качества обработки данных (77%), а также освобождение от монотонного труда и исключение человеческого фактора из производственных процессов (по 65%).

В числе основных минусов ИИ россияне назвали возможность применения этого интеллекта против человека (66%), возможность ошибок и сбоев (67%) и сокращение рабочих мест (71%). В целом 74% опрошенных считают, что повсеместное внедрение ИИ приведет к массовой безработице, и только 2% уверены, что этого не случится.

В настоящий момент опрошенные отмечают абсолютное превосходство ИИ в таких областях деятельности, как хранение и поиск информации — так считают 92 и 85% участников опроса.

Превосходство ИИ в эффективности анализа информации отмечают 73% опрошенных, построения логических связей — 46%.

Однако в некоторых сферах деятельности большинство опрошенных отдают превосходство человеку, например, в способности к обучению (57%), постановке и достижении целей (74%), генерировании идей (83%) и творчестве (90%).

Сегодня наиболее оправданным и эффективным применение искусственного интеллекта опрошенные видят в сфере промышленности (76%), службах поддержки клиентов (47%) и транспортной отрасли (46%). В эффективность ИИ в сфере финансов и медицины верят существенно меньше опрошенных — 38 и 23% соответственно.

Прогнозы о будущем искусственного интеллекта

Две трети россиян (66%) уверены, что в будущем ИИ сравнится с интеллектом человека, а 64% — что компьютеры смогут мыслить и осознавать себя. Совершенно не верят в это совсем немного россиян — всего 6%.

Опрошенные практически не сомневаются в том, что ИИ и роботизированные механизмы заменят человека в сфере обработки и анализа данных — так сказали 94% опрошенных.

Обратите внимание

В скором будущем в замене человека ИИ в опасном для здоровья труде уверены 92%, в управлении транспортными средствами — 74%, в сфере обслуживания и ручном труде — по 69%.

Сферами, из которых ИИ не вытеснит человека, большинство опрошенных назвали творчество и образование.

Выборка исследования

 С 10 по 13 декабря было опрошено 1200 человек. Из них 46% — мужчины, 54% — женщины. Возраст: 18–30 лет — 23%, 31–45 лет — 35%, 46–55 лет — 21%, больше 55 лет — 21%. Распределение по федеральным округам: ЦФО — 29%, СЗФО — 10%, ЮФО — 11%, СКФО — 6%, ПФО — 20%, УФО — 8%, СФО — 13%, ДВФО — 4%. Погрешность при 95%-й доверительной вероятности не превышает 3%.    

Источник: https://iom.anketolog.ru/2018/12/14/iskusstvennyj-intellekt

Итог 2017 года: искусственный интеллект больше не волшебная палочка

IT ExpertКак это сделатьВ помощь руководителю

Илья Народицкий | 19.12.2017

Почему искусственный интеллект не так уж умен
Полная автоматизация невозможна
Что в реальности умеет искусственный интеллект

Бизнес проявляет все больше интереса к инструментам искусственного интеллекта для решения практических задач. Однако далеко не все высокие ожидания от прорывных технологий оправдываются, и ожидания бизнеса от ИИ в 2017 году начинают меняться.

Резкий рост объемов данных и вычислительных мощностей, которые доступны человеку, заставил нас задуматься о том, как обрабатывать информацию наиболее эффективно и использовать для улучшения качества жизни человека.

На разработческий олимп взошли технологии искусственного интеллекта, призванные кардинально изменить подход к управлению данными.

Из продукта фантазии футуристов искусственный разум стал реальностью, с которой мы сталкиваемся каждый день: AI уже помогает «МегаФону» формировать тарифы, а Aviasales — давать клиентам персональные рекомендации по направлениям полетов.

AI-технологии вызвали интерес у бизнеса: банки стали использовать их в процессе андеррайтинга (оценки кредитных рисков) и обрабатывать с их помощью документы, ретейл и телеком автоматизировали коммуникации с клиентами, а промышленные предприятия оптимизировали управление производственной и логистической цепочками, используя «умные» прогнозные модели. В 2016 году в диаграмме Gartner Hype Cycle компоненты ИИ, такие как машинное обучение и автономные робототехнические системы, впервые расположились на «пике максимальных ожиданий» или близко к нему.

Однако повышенный интерес к концепции со стороны СМИ и общества привел к тому, что руководители бизнеса начали считать ИИ лекарством от всех болезней и пытаться поставить перед ним задачи, далекие от реальных возможностей машины.

Аппетиты крупного бизнеса, осуществлявшего первые внедрения, оказались несколько перегреты.

Как и все новые технологии, AI прошел через этап «пика завышенных ожиданий» — и в этом году большинство заказчиков стали трезво смотреть на его возможности.

 

ИИ оказался не таким уж умным

С тех пор как более 60 лет назад Джон Маккарти ввел в обиход термин «искусственный интеллект», это понятие обросло заблуждениями. К примеру, считается, что AI и впрямь способен думать и рассуждать. Но это не так. Сейчас под AI понимается целый пласт математических технологий:

  •         машинное обучение (machine learning) и его разновидности, такие как глубокое обучение (deep learning);
  •         нейронные сети (neural networks);
  •         когнитивные, или интеллектуальные, аналитические технологии (cognitive computing).

Большая часть из них представляет собой усложненные, более совершенные, чем когда-либо раньше, алгоритмы.

И хотя эти алгоритмы могут обрабатывать данные с невероятной скоростью, способны самостоятельно принимать простейшие решения, общаться с человеком face-to-face и даже, по заявлениям разработчиков, выстраивать сложные причинно-следственные связи, это все еще прорывная математика – например, эмоциональным интеллектом инструменты AI не обладают. Естественно, это накладывает на системы ряд ограничений, о которых благополучно забывают бизнес-пользователи – и позже разочаровываются в технологии.

 

ИИ не волшебная палочка

В последние годы компании стали внедрять инструменты ИИ для повышения эффективности бизнес-процессов – и многие руководители бизнеса тут же посчитали, что искусственный интеллект сможет полностью заменить человеческий.

Уверенность в этом подстегнул тот факт, что ИИ научился выполнять, казалось бы, творческие задачи: сочинять музыку, писать стихи, рисовать и даже виртуозно блефовать. Поэтому многие компании, в частности из сферы финансов, начали активно заменять человеческие рабочие места машинными.

К примеру, в Goldman Sachs еще в начале года заменили 600 трейдеров двумя сотрудниками и автоматизированными программами алгоритмического трейдинга. Однако одновременно для обслуживания систем руководству компании пришлось нанять 200 разработчиков-программистов.

Важно

Этот пример показывает, что сегодня невозможно создать полностью автоматизированный бизнес.

Во-первых, для развития и масштабирования ИИ все еще необходим вклад человека – обслуживание и поддержку система не сможет осуществить самостоятельно.

Причем зачастую разработчики ИИ-интерфейсов значительно более квалифицированные и высокооплачиваемые сотрудники, чем рабочая сила, которую заменяют автономные ИТ-системы.

Во-вторых, алгоритм часто применим только в решении тех задач, где возможно собрать большой объем данных, — иначе машине просто не на чем будет учиться и ее выводы могут быть ошибочными. В-третьих, всегда остается важным вопрос ответственности: как бы хорошо ни работал искусственный интеллект, принимать решение должен все равно человек — особенно в стратегически важных вопросах.

 

Что тогда может искусственный интеллект?

Если искусственный интеллект настолько не оправдывает ожиданий бизнес-пользователей, нужен ли он компаниям? Прежде всего ИИ абсолютно необходим в решении следующих задач.

Стратегический и тактический уровень: бизнес-прогнозирование для поддержки принятия решений

Искусственный интеллект помогает компаниям анализировать данные так глубоко, как это было невозможно раньше: искать в них скрытые закономерности и корреляции, выявлять неочевидные причинно-следственные связи и строить прогнозы на основании анализа информации о тысячах похожих событий.

Бизнес увидел большие перспективы ИИ в автоматизации управления маркетингом, продажами и оттоком клиентов. Для иллюстрации: более 70% целевых маркетинговых акций, а также большинство целевых предложений сети «Перекресток» создаются при помощи технологий искусственного интеллекта.

При формировании предложения ИИ учитывает частоту покупок и структуру трат клиента, приемлемый уровень цен, любимые категории товаров.

В итоге эффективность целевого маркетинга, по утверждению ИТ-директора X5 Retail Group Фабрисио Гранжа, возрастает на 5%, а расходы на коммуникации с клиентами сокращаются на 40%.

Использование интеллектуальных алгоритмов прогнозирования является базисом для построения систем поддержки и принятия решений.

Совет

Например, для планирования продаж и оптимизации торгового ассортимента бренды пытаются предсказать спрос на каждую торговую позицию, а для эффективного управления парком техники и оборудования на производстве – прогнозируют поломки и простои.

Любое управленческое решение опирается на реальные прогнозы на основании актуального набора данных, а значит, становится более взвешенным.

Операционный уровень

  • Машинное зрение для решения бизнес-задач. На рынке сейчас растет популярность решений и инструментов для распознавания фото, видео и аудио (в том числе естественного языка), например, в рамках задачи биометрической аутентификации клиентов. Использование таких технологий повышает надежность аутентификации личности и снижает риски фрода. Сегодня машины распознают документы, проверяют их подлинность и корректность заполнения, переносят информацию с бумаги в учетные системы, в разы сокращая тем самым количество операций, в которых требуется привлечение человека. Еще один пример — распознавание лиц в ретейле, которое подсказывает менеджеру магазина, к какой категории принадлежит покупатель (новый, лояльный, постоянный и т. д.), на что обратить внимание и что лучше предложить (на основе прямой и косвенной информации о клиенте).
  • Коммуникации с клиентами. Пока для целей коммуникации компании чаще используют чат-боты, которые встраиваются в фронт-офисные интерфейсы, — сами по себе они не имеют отношения к искусственному интеллекту. Однако технологии AI уже дополняют их: сочетание с инструментами искусственного интеллекта позволяет машине по набору ключевых слов понять, куда повести диалог дальше. Другой хороший пример — из мира рекламы: уже существуют системы, которые позволяют с помощью трекинга глаз понять, сколько клиентов смотрит рекламу на экранах в магазине, и выстроить показ роликов так, чтобы «зацепить» как можно больше покупателей.
Читайте также:  Искусственный интеллект будет оценивать эмоции человека в социальных сетях

Будущее – за массовым ИИ

Источник: https://www.it-world.ru/tech/business/135971.html

Основные этапы развития искусственного интеллекта



В статье описываются основные этапы развития области искусственного интеллекта. Несмотря на недолгую историю своего существования, она насыщена событиями и оказала огромное влияние на культуру двадцатого века.

В статье рассматривается история развития искусственного интеллекта начиная со времён Спинозы и до наших дней. Описаны основные периоды взлета и падания интереса к данной области.

Начало искусственного интеллекта

Предпосылки для создания искусственного интеллекта были заложены классическими философами — Лейбницем, Спинозой и Декартом, основателями рационализма, которые полагали, что в мышлении существуют основные принципы, подобные аксиомам геометрии, и из них знание можно выводить чисто логически дедуктивным методом. Эти философы начали формулировать гипотезу о физической символьной системе, которая станет основой для исследований в области искусственного интеллекта.

Технологическими предпосылками к возникновению отрасли знания об искусственном интеллекте послужила первая механическая вычислительная машина — считающие часы Вильгельма Шикарда, сконструированные им в 1623 г., а также созданные впоследствии суммирующая машина Блеза Паскаля (1643 г), и арифмометр Лейбница (1671 г).

В 1832 году коллежский советник С. Н. Корсаков предложил новый принцип разработки научных методов и устройств для усиления возможностей человеческого разума и представил серию «умных машин», в конструкции которых впервые были применены перфорированные карты.

В 1928 году немецкий математик Давид Гильберт формулирует так называемую «Проблему разрешения» [1, с.

45]: найти алгоритм, который бы принимал в качестве входных данных описание любой проблемы разрешимости (формального языка и математического утверждения «S» на этом языке) — и, после конечного числа шагов, останавливался бы и выдавал один из двух ответов: «Истина» или «Ложь», — в зависимости от того, истинно или ложно утверждение «S».

Обратите внимание

1936 году Алан Тьюринг, считающийся отцом интуитивного подхода к изучению искусственного интеллекта, и Алонзо Чёрч независимо друг от друга публикуют работы, опровергающие возможность существования алгоритма решающего проблему разрешения. Это утверждение известно как «теорема Чёрча-Тьюринга».

В этой же статье «On computable numbers, with an application to the entscheidungsproblem» [2] Алан Тьюринг также впервые употребляет понятие «А-машина», сейчас известная как «Машина Тьюринга».

Машина Тьюринга — это абстрактная вычислительная машина, созданная для формализации понятия алгоритма.

Машина Тьюринга является расширением конечного автомата и, согласно тезису Чёрча-Тьюринга [3], способна имитировать всех исполнителей (с помощью задания правил перехода), каким-либо образом реализующих процесс пошагового вычисления, в котором каждый шаг вычисления достаточно прост.

В состав машины Тьюринга входит неограниченная в обе стороны лента (возможны машины Тьюринга, которые имеют несколько бесконечных лент), разделённая на ячейки, и управляющее устройство, способное находиться в одном из множества состояний. Число возможных состояний управляющего устройства конечно и точно задано.

Управляющее устройство может перемещаться влево и вправо по ленте, читать и записывать в ячейки символы некоторого конечного алфавита. Выделяется особый пустой символ, заполняющий все клетки ленты, кроме тех из них (конечного числа), на которых записаны входные данные.

Управляющее устройство работает согласно правилам перехода, которые представляют алгоритм, реализуемый данной машиной Тьюринга. Каждое правило перехода предписывает машине, в зависимости от текущего состояния и наблюдаемого в текущей клетке символа, записать в эту клетку новый символ, перейти в новое состояние и переместиться на одну клетку влево или вправо.

Некоторые состояния машины Тьюринга могут быть помечены как терминальные, и переход в любое из них означает конец работы, остановку алгоритма.

То есть, всякий интуитивный алгоритм может быть реализован с помощью некоторой машины Тьюринга. Машина Тьюринга была первой попыткой автоматизировать логические и математические вычисления, которые на том момент мог выполнять только человек.

В своей следующей статье «Computing machinery and intelligence» [4] (1950) Тьюринг задаётся вопросом «А может ли машина мыслить?».

Эта абстрактная формулировка заменяется на «может ли машина, путем общения с человеком посредством письма, обмануть его и заставить человека думать, что он также имеет дело с человеком?». Отсюда берет свое начало знаменитый тест Тьюринга.

Важно

Принято считать, что именно в этой работе впервые освещается вопрос искусственного интеллекта. Работу критикуют, так как до сегодняшнего дня ни одна машина не прошла Тест Тьюринга.

1943 году Уорен Мак-Каллох и Уолтер Питтс публикуют статью «A Logical Calculus of the Ideas Immanent in Nervous Activity» [5], в которой нейроны упрощенно рассматриваются как устройство, оперирующее двоичными числами. Так они основали новое направление в науке об искусственном интеллекте — нейронные сети.

В 1954 году Нильсом Ааном Баричелли был основан еще один подход в области искусственного интеллекта — эволюционное моделирование. При этом подходе решение задач оптимизации и моделирования осуществляется путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе (генетический алгоритм).

Этот период становления науки о искусственном интеллекте завершает Дартмутский семинар, ставший катализатором для научных исследований в этой области, т. к. именно на нём познакомились многие учёные. На этом же семинаре было утверждено появление новой отрасли науки, окрещённой «Artificial Intelligence» — «Искусственный интеллект».

Золотой век искусственного интеллекта

1956–1976 годы считаются золотым веком искусственного интеллекта, так как на тот момент не было накоплено никакой научной базы, что делало каждое открытие особенно важным. Искусственный интеллект развивался по двум основным направлениям: математическая логика и нейронные сети.

Американский ученый Фрэнк Розенблатт в 1962 году предложил принцип обучения нейронных сетей — обучение на примерах [6]. Также он создал первый нейрокомпьютер, с помощью которого ему удалось распознать рукописный текст.

1965 году Джон Алан Робинсон сформулировал правило резолюций [7] — правило вывода, восходящее к методу доказательства теорем через поиск противоречий.

Его работы были решающими в развитии языка логического программирования Пролог, который был создан в 1972 году Аленом Колмероэ и Филиппом Русселем.

Совет

С помощью этого языка стало возможным описывать различные задачи на языке логики с последующим решением на ЭВМ путем перебора всех возможных вариантов.

В это же время появилось понятие нечёткого множества, которое сформулировал Лютфи Заде в своей работе «Fuzzy sets» [8] (1965).

Заде расширил классическое понятие множества, допустив, что характеристическая функция множества может принимать любые значения в интервале от «0» до «1», а не только значения «0» или «1».

Вместе с понятием нечёткого множества возникла нечёткая логика, которая применяется в нейронных сетях (нейро-нечёткие системы).

Первая зима искусственного интеллекта

С 1969 по 1980 годы изучение нейронных сетей приостановилось. Это связано с публикацией книги Мартина Лии Мински и Сэймура Паперта «Perceptrons: an introduction to computational geometry» [9]. В данной книге авторы подвергли нейронные сети жесткой критике.

Одной из самых известных претензий является то, что в процессе исследования вычислительных способностей персептрона они пришли к выводу, что персептрон не может реализовать простейшую логическую функцию XOR (либо-либо).

Что, в свою очередь, заставило усомниться в нейросетевом подходе в целом.

Период с 1975 по 1980 годы называют первой зимой искусственного интеллекта. Кризис нейронных сетей оказался лишь предвестником грядущих неудач.

Причин кризиса было несколько: громко заявленный американским правительством полностью автономный военный вездеход так и не увидел свет; японский проект по созданию супер-компьютера пятого поколения, который, как обещалось, был бы способен вести с человеком полноценный разговор, был закрыт без всяких объяснений. Неудачи постигли множество проектов, связанных с автоматическими переводчиками и системами работы с текстом.

Обратите внимание

Также в это время был открыт комбинаторный взрыв. В 1972 г. Ричард Карп доказал, что при увеличении числа входных данных время решения задачи должно расти экспоненциально.

Это значит, что сложные задачи со множеством входных данных на сегодняшний день решить невозможно.

Открытие комбинаторного взрыва очень сильно ударило по всему комбинаторно-логическому подходу к искусственному интеллекту, на который в то время возлагали самые большие надежды.

Возвращение интереса кискусственному интеллекту

В результате развития экспертных систем в 1980–1984 годы наблюдается возвращение интереса к искусственному интеллекту.

Экспертная система — это программа, использующая базу знаний для решения задач в некоторой предметной области.

В 80-е экспертные системы начали внедряться в медицине, юриспруденции и других областях, и они стали первым коммерчески успешным направлением искусственного интеллекта.

Вторым фактором увеличения интереса к искусственному интеллекту стало развитие нейронных сетей. Были разработаны многослойные нейронные сети, которые, в частности, позволяли реализовать логическую функцию XOR. Благодаря Полу Уэрбосу появились средства обучения многослойных нейронных сетей [10].

Вторая зима искусственного интеллекта

Затем наступает вторая зима искусственного интеллекта (1984–1993 годы). Она была вызвана завышенными ожиданиями по отношению к экспертным системам, которые, в конце концов, заняли все возможные для их применения области и их распространение остановилось. Инвестирование этой области снизилось.

Важно

Но основной причиной начала второй зимы считается появление персональных компьютеров, ставшее причиной возникновения потребности в большом количестве программных продуктов. Возникло новое направление развития — компьютерные науки.

Компьютерные науки включают большое количество различных направлений, которые ранее изучались в рамках искусственного интеллекта, таких как: теория графов, символьные вычисления, комбинаторика и прочие.

В результате множество ученых из области искусственного интеллекта интеллектом перешли работать в новую область.

Новая эра

С 1993 года и по наше время длится новая эра искусственного интеллекта. Искусственный интеллект в том виде, в котором он существовал до текущего периода, прекратил свое существование.

Если раньше целью ученых, работавших в этой области, было воссоздание человеческого мышления техническими методами, то сейчас цели стали менее амбициозными и более реалистичными.

Сегодня термин искусственный интеллект практически не используется, существуют более конкретные термины, такие как: машинное обучение, интеллектуальные системы, конечные автоматы, эволюционные алгоритмы и многие другие.

Направления, ранее входившие в область искусственного интеллекта: искусственные нейронные сети, эволюционные вычисления и системы логического вывода, теперь являются самостоятельными направлениями, больше нет той объединявшей их сверхцели — построения искусственного разума.

На сегодняшний день наибольший ажиотаж вызывает технология нейронных сетей, лежащая в основе современных беспилотных автомобилей, систем автоматического распознавания голоса и перевода, систем идентификации личности, систем прогнозирования, систем фильтрации и многих других. Оправдают ли они ожидания учёных или мы на пороге очередной зимы искусственного интеллекта покажет время.

Литература:

  1. С. Л. Эдельман, Математическая логика. — Москва, Высшая школа, 1975. — стр. 45
  2. A. M. Turing, On computable numbers, with an application to the entscheidungsproblem, 1936
  3. [Электронный ресурс] // https:// ru.wikipedia.org/wiki/Тезис_Чёрча_—_Тьюринга (Дата обращения: 30.11.2017)
  4. A. M. Turing, Computing Machinery and Intelligence, 1950
  5. Warren S. Mcculloch and Walter Pitts, A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biology Vol. 52, No. l/2. стр. 99–115.
  6. F. Rosenblatt: Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms. Brain Theory 1962. P. 245–248

Источник: https://moluch.ru/archive/206/50536/

Ссылка на основную публикацию
Adblock
detector