Эволюция искусственного интеллекта: 7 прогнозов

Александр Ермаков 11 мая

Как искусственный интеллект повлияет на такие сферы, как сетевая безопасность и транспорт? И что благодаря ему изменится в мире финансов и маркетинга? 

Идее создания искусственного интеллекта уже больше 2000 лет. Еще в греческой мифологии появились рассказы о механических людях, копирующих поведение человека, затем был голем и средневековые автоматы. В 20 веке самые ранние европейские компьютеры были задуманы как «логические машины» с механическим мозгом. По мере развития технологий и накопления знаний о человеческом мозге представление об искусственном интеллекте (далее — ИИ) изменилось: вместо усложнения вычислений для создания искусственной копии человеческого сознания и имитации работы нейронов разработчики создали концепцию машинного обучения.

Мы считаем человека умным, если он правильно понимает окружающую его действительность, точно оценивает текущую ситуацию и затем находит лучшие варианты для достижения своих целей. Именно в этом направлении решили двигаться современные разработчики искусственного интеллекта, создав концепцию machine learning. Машинное обучение — частный случай разработки программного обеспечения, в основе которой доступ программы к большим массивам данных. В рамках этой парадигмы ИИ уже сейчас способен выполнять поставленные задачи с большей долей самостоятельности.

Использование алгоритмов машинного обучения находит все больше областей применения. ИИ используется Google в поисковом софте и в программах для беспилотных автомобилей. Amazon и Netflix включают машинное обучение для ПО, подбирающего индивидуальные рекомендации по контенту и продуктам для своих клиентов. Twitter ведет мониторинг миллиардов сообщений и делает таргетированный показ для своих пользователей. Банки используют искусственный разум для обнаружения и предотвращения действий финансовых мошенников.

Современное машинное обучение основано на работе с big data и допущении, что компьютеры сами могут распознавать закономерности, строить на их основе логические связи и использовать найденные алгоритмы в последующих вычислениях. Когда в выстроенную модель добавляются новые данные, полученный ранее опыт позволяет компьютеру встраивать их в рабочую модель для моделирования надежных и воспроизводимых решений и результатов. Человечество получает полноценного помощника для решения задач все большей сложности, что работает на ускорение прогресса во всех областях экономической и социальной жизни.

Машинное обучение включает множество методик интеллектуального анализа данных. Вместо (или в дополнение) к традиционным статистическим методам новые алгоритмы позволяют идентифицировать неизвестные ранее закономерности, изучить их и включить в новую логическую структуру. Машинное обучение позволяет исследовать и структурировать данные даже тогда, когда человек-оператор изначально не имеет понятия, какие критерии будут заданы и что за структура выйдет в итоге. Машинный разум будет работать над задачей до тех пор, пока решение, модель или шаблон не будет найден. При добавлении новых данных они будут автоматически распределены в нужные ячейки.

Работа алгоритмов компьютерного анализа настроена не только на структурирование, но и на поиск конкретных решений. Путем моделирования, через историю проб и ошибок, ИИ определяет, какие именно действия принесут наибольшую награду. Обучение состоит из трех основных компонентов: окружающая среда, агент и доступные ему действия. Задача машинного разума — выбрать цепочку, максимизирующую ожидаемую награду агента за определенный промежуток времени. Люди, как правило, могут создать одну-две хорошие модели в неделю, машинный разум — несколько тысяч.

Поисковики и сетевая безопасность

Самый известный пример использования машинного обучения — поисковые системы. Каждый из миллиардов поисковых запросов через Google — очередное пополнение базы данных для его искусственного разума. Программа фиксирует кто, когда и о чем спрашивал, она запоминает реакцию и дальнейшее поведение. Релевантность — это не термин, говорящий об эффективности поисковой выдачи, это параметр развития ИИ: насколько хорошо он знает вас, насколько правильно может предсказать ваши желания. И если первая же ссылка в поисковой выдаче оказалась именно тем, что вы искали, это заслуга машинного разума, который проанализировал ваше поведение и составил ваш сетевой портрет.

Второй по популярности метод использования машинного интеллекта — сетевая безопасность. «Лаборатория Касперского» оценивает вирусную угрозу примерно в 400 000 вредоносных программ ежедневно. Но, по данным Deep Instinct, большинство новых вирусов имеют почти тот же код, что и предыдущие версии. Изменения в версиях касаются не более 10% изначального кода. Обучаемые машины не имеют никаких проблем с обработкой новых угроз и находят решение практически мгновенно, блокируя новые версии вируса. Также ИИ используется для мониторинга систем безопасности облачных хранилищ, мгновенно реагируя не только на попытки взлома известными способами, но и фиксируя новые методы проникновения через анализ любых аномалий, возникающих в работе облака.

Маркетинг

Любой маркетолог знает: чем лучше вы знаете своих клиентов, тем больше сможете им продать. Неудивительно, что для задачи персонализации клиентских запросов маркетологи привлекли технологии машинного обучения. О результатах можете судить сами: после самого невинного интереса, проявленного к какому-то продукту в сети, реклама товаров, так или иначе связанных с темой, будет преследовать вас несколько ближайших дней. Более того, эти данные попадают в модель вашего поведения, которая будет все больше персонализироваться при расширении истории покупок.

Машинный интеллект будет стараться угадать ваши желания, а компании — использовать эти данные для продажи своих товаров. Наибольших успехов в этом достигли интернет-гиганты вроде Amazon и Netflix.

Интеллектуальные алгоритмы машинного обучения анализируют деятельность клиентов и сравнивают ее с историей миллионов других пользователей. Их рекомендации становятся все умнее, они предугадывают время, когда вы настроены, скажем, делать подарки друзьям или своей семье, знают размер ваших доходов и сезонные предпочтения, предугадывают ваши эстетические и стилевые предпочтения на основе телесериалов, которые вы смотрели и т.д.

Финансы

Фондовые рынки могут казаться непредсказуемыми для любителей, профессионалы работают чуть успешнее благодаря опыту и чутью, а машинный разум просто знает, что произойдет на бирже в тот или иной день. Поэтому большинство крупных компаний, работающих в области финансов и международной торговли, используют алгоритмы ИИ для прогнозирования и исполнения сделок. Да, очень многое в этой области зависит от совокупности случайных факторов, но, когда машинный прогноз оказывается верен на 90%, это лучше человеческого гадания «50 на 50».  Люди не могут конкурировать с машинами в области анализа больших объемов данных и опыта миллиона предыдущих сделок.

Машинное обучение становится серьезным барьером для потенциальных финансовых мошенников. PayPal, например, использует ИИ для борьбы с отмыванием денег.

Искусственный разум сравнивает миллионы транзакций и может точно определять разницу между законными и мошенническими сделками, подавая соответствующий сигнал о блокировке аккаунтов.

Здравоохранение

Алгоритмы машинного обучения находят свои применение и в медицине. Старт был положен появлением недорогих сенсоров, фиксирующих различные медицинские показатели в режиме реального времени. Речь не только о пульсе, давлении, содержании кислорода, но и о десятках других важнейших для организма параметров.

Технологии big data сделали возможным сохранение и обработку всех этих показателей для формирования истории болезни для лечащего врача. Однако технология computer assisted diagnosis (CAD) идет еще дальше, и на основе имеющихся персональных данных и статистики других пациентов может создавать модели медицинской карты пациента, фиксировать или даже прогнозировать аномалии и патологии. Компания Medecision уже активно использует алгоритм, способный зафиксировать самые ранние стадии рака и прогнозировать самочувствие больных сахарным диабетом.

Машинный перевод

Лингвистика — еще одна из областей, где искусственный интеллект дает самую быструю и самую очевидную отдачу. Языковое разнообразие в наше время превратилось из средства культурной идентификации в ощутимый барьер на пути технологического и экономического развития. Благодаря информационной связи и доступному транспорту люди все меньше привязаны к тем местам, где они родились и живут. Но несколько десятков основных и более 5 000 существующих языков — это слишком много. Для людей из развитых стран в последние 20 лет стала нормой как минимум двуязычность, с английским в качестве языка межнационального общения, но с практической точки зрения это далеко не оптимальный вариант.

Альтернативой стало развитие машинного перевода, который достиг немалого прогресса за последние несколько лет. ИИ дает возможности для качественного улучшения машинного перевода. Новые самообучающиеся алгоритмы делают перевод более точным, работают в более сложных областях с юридическими, техническими и художественными текстами. Плюс они способны воспринимать живую речь, в том числе на малораспространенных языках, микшировать акценты и диалекты, а также осуществлять перевод в режиме реального времени.

Умный транспорт

Согласно прогнозу IBM, к 2025 году 74% автомобилей на дорогах будут или напрямую управляться искусственным интеллектом, или включать в себя умного помощника. Это касается и других видов транспорта — авиа-, железнодорожного или морского движения.

Управляемые машинным разумом транспортные средства будут определять оптимальные маршруты, следить за безопасностью, рассчитывать экономичность режима и множество других параметров. Умные автомобили будут связаны с другими объектами из интернета вещей, персонально подстраиваться под своих пассажиров и превратят путешествие из процесса поездки в обычное времяпровождение, когда человек продолжает повседневную жизнь, отвлекаясь только на то, чтобы войти и выйти из умного авто.

Прогнозы:

  1. В большинстве областей экономической и социальной жизни будет активно моделироваться поведение людей, основанное на их персональных данных. 
  2. С ростом интернета вещей большинство окружающих нас гаджетов будут контактировать друг с другом и делать свою работу на основе алгоритмов ИИ.
  3. С ростом доступности 3D-технологий производство станет не только штучным, но и персонализированным, смоделированным на основе данных ИИ.
  4. Машинный разум выйдет на массовый рынок, станет постоянным спутником и персональным помощником человека.
  5. Рост вычислительных мощностей даст ИИ достаточно возможностей для решения самых сложных задач, вероятны качественные прорывы в прикладных и теоретических науках.
  6. Постоянное обучение и работа в разных областях приведет к тому, что каждый достаточно долго функционирующий ИИ будет обретать индивидуальность.
  7. На определенной стадии развития компьютерный разум обретет сознание и свободу воли.

Александр Ермаков, консультирующий эксперт по маркетингу и PR 


Поделиться
Не пропусти новые публикации

Подписывайтесь, и мы будем один раз в неделю присылать полезные бизнес-советы, аналитические статьи, истории успеха и провала, интервью, а также мнения экспертов на острые темы

Подписаться
305 просмотров
В избранное
Комментарии Написать свой
Спасибо за ваше мнение!

Читайте также

Загрузить еще
loader

Заполните, пожалуйста, все поля.

Предложение, замечание, просьба или вопрос.