Современное состояние искусственного интеллекта. 129Э. М. Пройдаков современное состояние искусственного интеллекта
 Скачать 394.28 Kb.
|
1 2 129 Э.М. Пройдаков СОВРЕМЕННОЕ СОСТОЯНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА DOI: Аннотация В статье приведена краткая история работ в области искусственного интеллекта (ИИ), охарактеризованы направления ИИ, дается общий обзор современного состояния исследований и разработок систем ИИ, перечислены основные тенденции НИОКР в области ИИ, показаны возможности использования систем ИИ в области государственного управления. Abstract. The article gives a brief history of works in the field of artificial intelligence (AI), characterizes the directions of AI, provides an overview of the current state of research and development of AI sys- tems, lists the main trends of research and development in the field of AI, shows the possibilities of using AI systems in public administration. Ключевые слова искусственный интеллект машинное обучение риски появления суперинтеллекта; рынок систем ИИ. Keywords: artificial intelligence; machine learning; risks of super- intelligence appearance; the market of AI systems. Что такое ИИ и немного истории Искусственный интеллект – что это такое Наиболее сложной сущностью в мире является человек. Стремление познать сложность человека – существовало всегда и проявлялось в разных формах. Сейчас это стало еще более актуально. Развитие компьютерных технологий привело к появлению множества работ, связанных с попытками научиться распознавать и синтезировать человеческую речь, создать системы технического зрения, которые могут опознавать лица людей не хуже, а уже лучше, чем глаза человека, научить автомашины ездить самостоятельно без водителя- человека и т.д. Системы, проявляющие поведение, свойственное человеку, называются системами искусственного интеллекта (ИИ). На самом деле изучение этих систем – самостоятельное научное направление, объединяющее многие научные дисциплины. Согласно одному из определений, 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, те. получать знания, которые в него не закладывались разработчиками. Наука под названием искусственный интеллект входит в комплекс компьютерных наука создаваемые на ее основе технологии относятся к информационным технологиям. Есть множество других определений, менее устойчивых к критике. Соответственно, системы ИИ определяют как компьютерные системы, использующие в своей работе технологии ИИ. При этом в большинстве случаев дополучения результата неизвестен алгоритм решения задачи. Системы ИИ условно делятся на два класса – сильный (или общий) ИИ и слабый (или прикладной) ИИ. Определим сильный, или универсальный, искусственный интеллект как ИИ, сравнимый с человеческим, те. ИИ, который может учиться, как это делают люди, и не уступает по уровню развития большинству людей, а во многих смыслах даже превосходит их. Есть множество более строгих определений, но для понимания данного определения достаточно. Все остальные системы, в том числе системы ИИ, которые окружают нас сейчас, называются слабым ИИ, поскольку они могут делать только одно дело, например осуществлять поиск по запросам в Интернете, ставить диагноз по конкретному заболеванию и т.д. Помощь такого ИИ делает жизнь более комфортной, а работу – более производительной. Такие системы в ближайшем будущем будут все больше совершенствоваться, уже сейчас многие конкретные виды работ системы с ИИ делают лучше, чем люди. Следует отметить, что в процессе работы над проектами со слабым ИИ проделывается громадная подготовительная работа. Машины учат таким интеллектуальным занятиям, как поиск информации, распознавание речи, обработка естественного языка, распознавание лиц, логический выводи др. По отдельности это всего лишь мощные инструменты, но они быстро развиваются, год от года продвигая технологии ИИ впереди приближая создание сильного ИИ. В связи со слабым ИИ следует упомянуть о так называемом эффекте ИИ (AI Effect). Он заключается в том, что как только с помощью ИИ реально достигается немыслимый ранее результат, то такую задачу критики перестают считать задачей ИИ, те. девальвируют ее значение. Этот эффект сформулирован в формуле Ларри Теслера: «ИИ – это все, что не сделано до сих пор. Для обеспечения систем ИИ ученым пришлось заняться таким вопросом, как представление знаний, – это позволило создать так называемые экспертные системы (ЭС, системы, которые на основе баз знаний помогают в принятии решений очень важными стали методы самообучения машин (появились интеллектуальные обучающие системы попытки повторить работу нервной системы человека. Последнее вылилось в создание искусственных нейронных систем (ИНН). Таким образом, в основе всех исследований по ИИ лежит идея моделирования процессов человеческого мышления с помощью компьютера. Сам ИИ как наука относится к когнитивным наукам, тек наукам, связанным с приобретением сбором, накоплением, восприятием) знаний. Предполагается, что ИИ, сравнимый с интеллектом человека, будет иметь неограниченную сферу применения и кардинально изменит наше существование. В январе 2016 г. основатель Всемирного экономического форума в Давосе Клаус Шваб назвал искусственный интеллект одной из основных движущих сил четвертой промышленной революции. Эта четвертая промышленная революция идет на нас, как цунами, а ее основной движущей силой являются достижения в области искусственного интеллекта, робототехники, нанотехно- логий, интернета вещей и других областей науки. Сейчас происходит качественный переход от вычислительной эры к эре когнитивной (в терминах футурологов, Second Machine Age), когда компьютеры нового типа быстро учатся работать со структурированными, неструктурированными и нечетко структурированными данными, начинают замещать труд людей при решении большого количества когнитивных задач [2]. Три волны искусственного интеллекта ИИ имеет уже более чем полувековую историю, в которой были как пики интереса к нему, таки периоды почти полного его исчезновения. Первые работы по ИИ относятся км годам. Начались они с попыток решения двух задач 1) создание программы для игры в шахматы (в 1954 г. аналитики корпорации REND А. Ньюэлл, Дж. Шоу и Г. Саймон начали писать программу игры в шахматы. Помочь им вызвались А. Тьюринг и К. Шеннон, а также группа голландских психологов. В 1957 г. шахматная программа (NSS) была написана. В основе ее работы лежали эвристики, те. правила выбора решения в отсутствие теоретических оснований [23]); 2) создание программ машинного перевода с одного естественного языка на другой. В СССР первые экспериментальные системы перевода с английского и китайских языков разрабатывались в 1954–1957 гг. на ЭВМ БЭСМ-2 в ИТМиВТ под руководством Л.Н. Королёва. В 1954 г. в корпорации IBM под руководством профессора Леона Достерта перевели на английский язык 60 русских фраз на основе словаря, состоящего из 250 пар слови шести правил грамматики. Результаты казались многообещающими, но проблема оказалась намного сложнее, чем предполагалось. Суть перевода заключалась в обучении компьютеров не только правилам, но и исключениям, а технические средства компьютеров того времени никак не позволяли реализовать эту задачу. Тем не менее попытки создания таких систем дали мощный толчок развитию математической лингвистики. К этому же периоду относится и появление первых программ для игры в шахматы. Третьей областью, которая зародилось в то время, а впоследствии получила большое развитие, стало автоматическое доказательство теорем. В 1960 г. появилась программа, которую назвали Универсальным реша- телем задач (GPS), которая позволяла автоматически доказывать теоремы из планиметрии, находить решения алгебраических задачи др. [23]. Среди множества работ по ИИ первой волны следует отметить создание в 1963 г. Джоном Маккарти первого языка для программирования задач ИИ – языка ЛИСП. Появление этого языка открыло функциональное программирование. Заметим, что первые языки высокого уровня (ЯВУ) того времени были процедурными. Вторая волна ИИ, начавшаяся с концах годов, была связана с появлением логического программирования (язык Prolog, 1971 г) и бумом вокруг так называемых экспертных систем (ЭС). Это тоже были зачатки искусственного интеллекта, нов ЭС специалист по управлению знаниями, опрашивая экспертов в предметной области, вручную наполнял базу знаний (БЗ), а машина могла делать логический вывод в рамках того понимания, которое человек в нее заложил, те. полностью отсутствовал такой важный элемент, как самообучение. Кроме того, возникали проблемы с экспертами, которые не делились своими знаниями или переставали это делать, как только понимали, что внедрение ЭС понизит их профессиональный статус, поскольку любой начинающий специалист с помощью ЭС может добиться высоких результатов. Следует отметить, что создание ЭС породило большой интерес к проблеме представления знаний в компьютерных системах. В это время появились семантические сети, системы фреймов, продукционные системы (системы, основанные на правилах) и их комбинации. Между тем работы над системами машинного перевода текстов продолжались и существенно продвинулись. Развитие таких систем стало особенно актуальной задачей во времена холодной войны, когда в США поступало огромное количество материалов на русском языке, ноне хватало человеческих ресурсов для их быстрого перевода. В х годах в проекте компании IBM Candide был задействован десятилетний опыт переводов стенограмм заседаний канадского парламента, опубликованных на французском и английском языках, – около 3 млн предложений. Поскольку это официальные документы, их переводы были выполнены с соблюдением чрезвычайно высоких требований. По меркам того времени количество данных было огромным. Эта технология, получившая известность как статистический машинный перевод, превратила задачу перевода в одну большую математическую задачу [18]. Однако повышение качества машинного перевода на этом застопорилось. Ко второй волне относится также создание продвинутых программ для игры в шашки и шахматы. Прошли первые чемпионаты мира по игре машин в шахматы между собой. Здесь следует отметить победу на чемпионате мира в 1974 г. советской шахматной программы «Каисса» М. Донской, А. Арлазаров, А. Битман, А. Усков). Успех «Каиссы» оказался мировой сенсацией, поскольку все предрекали победу американской программе. Как вспоминал МВ. Донской, «Каисса» играла в силу второго шахматного разряда, те. до программ, которые обыгрывают гроссмейстеров, было еще далеко. Системы первой и второй волны получили шуточное название старый добрый ИИ», или символьный ИИ». В целом они были основаны на формальной логике, которая хорошо применима для формализуемых задач, типа логических игр, нов ней трудно представить системы реального мира. Нынешнее возрождение интереса к ИИ – уже третье по счету и отличается от предыдущих как амплитудой, таки охватом, поскольку сейчас для решения задач ИИ имеются как необходимые технические средства, повсеместно распространившиеся беспроводные сети, Интернет, таки далеко продвинувшиеся работы в этой области. Начало третьей волне положила знаменитая победа в матче из шести партий американской программы «Дип Блю» (2,5:3,5) над чемпионом мира по шахматам среди людей Гарри Каспаровым. В программировании вначале третьей волны появилось так называемое генетическое программирование. Оно позволяет, имитируя процесс мутаций, работающий в биологических системах, решать определенные классы задач, например при поиске оптимальных решений. В области ИИ действует своя мода на то или иное направление. Очень много внимания одно время уделялось программным агентам. Интеллектуальный программный агент – это активная программная или программно-аппаратная система (например, робот, обладающая автономностью в выполнении той функции (или набора функций, для которой она создана. Основные проблемы коммуникация интеллектуальных агентов, разработка языков для этой цели, координация поведения агентов, распределение ролей в коалициях агентов, коллективное поведение агентов [23]. Для современного этапа характерно очень быстрое развитие технологий искусственных нейронных сетей (ИНС) – сетей, имитирующих работу биологических нейронов живых существ. Простейшая ИНС состоит из трех слоев искусственных нейронов – на первый слой поступают сигналы из внешнего мира, во внутреннем слое они обрабатываются и передаются в выходной слой, в котором формируется результат. Внутренних, скрытых слоев может быть много. Развиваются на базе новых технологий также и системы, появившиеся вовремя первых волн развития ИИ, – системы машинного перевода, достигшие вполне приемлемого качества, ЭС и др. В 2006 г. появилась система Google Переводчик, основанная на Больших данных. Корпус из триллиона слов, выпущенный Google в 2006 г, состоял из разбросанных фрагментов интернет-контента. Он стал обучающим набором, по которому вычислялась вероятность того, что именно последует затем или иным английским словом. В систему можно добавлять новые слова, которые появляются в естественном языке, и удалять устаревшие. Ее переводы точнее, хотя и весьма далеки от совершенства к середине 2012 гона охватила более 60 языков, а теперь даже способна принимать голосовой ввод на 14 языках для моментального перевода [18]. Один из вопросов к современной ИИ состоит в том, завершится ли эта третья волна очередным разочарованием и снижением интереса к ИИ, или в результате нынешних колоссальных усилий мирового научного сообщества будет достигнут необратимый прогресс в данной области. По мнению автора, ставки на ИИ сейчас очень высоки и это направление будет интенсивно развиваться. Направления ИИ Научная дисциплина Искусственный интеллект – зонтичная. Внутри ИИ делится на множество направлений. Вот основные из них – Представление знаний. – Доказательство теорем. – Компьютерное зрение. – Машинное обучение (приобретение знаний, анализ данных и порождение гипотез. – Робототехника. – Обработка естественных языков. – Многоагентные системы. – Инструментальные средства ИИ. Каждая из перечисленных ветвей ИИ в свою очередь делится на десятки других направлений, особенно робототехника несколько десятков направлений. Как видим, из-за обширности ИИ ученому невозможно охватить все его ветви, требуется специализация. Что достигнуто в ИИ к настоящему времени 1. Громадное количество научных работ по ИИ посвящено компьютерному зрению. Это направление ИИ связано с развитием глубинного обучения (о нем ниже. Впервые компьютеры стали способны выполнять некоторые визуальные задачи классификации лучше, чем люди. Например, заявленная точность назначения оптимального лечения раковых заболеваний легких у компьютера IBM Watson составляет 90%, те. превышает на 40% качество диагностики, проводимой врачами-онкологами. 2. Важным понятием в ИИ является машинное обучение его называют также статистическим обучением. Основу данной технологии в 1959 г. заложил Артур Самюэль, когда предложил работать над обучением компьютеров, не используя определенно запрограммированные алгоритмы. В простейшем смысле программа обучается, когда в ней происходит изменение, позволяющее во второй раз выполнить определенное задание лучше. Машинное обучение – это технология, в рамках которой создается база обучающих примеров, по которой компьютер или нейросеть настраивается (обучается) и затем может правильно распознавать и классифицировать поступающие новые данные, те. это совокупность алгоритмов и методов, позволяющих научить компьютеры делать выводы на основании имеющихся данных. Добавление обучающих примеров позволяет улучшить результаты распознавания. Таким образом происходит как бы самообучение программы. По этой технологии по большой базе фотографий компьютер научили распознавать лица, причем он делает это точнее, чем человек. Настоящий прорыв в обучении машин произошел вначале г, когда программа Google AlphaGo сумела обыграть в игру го ее абсолютного чемпиона Ли Седоля. Эта игра является наиболее интеллектуально сложной игрой в мире, намного сложнее шахмат (в го доска 19 × 19 клеток и возможных позиций намного больше, чем в шахматах, в которой для победы необходимо непросто перебирать всевозможные ходы. Добиться победы в гонад ее чемпионом позволила технология глубинного машинного обучения (deep learning, DL), которая сейчас является самым трендовым направлением развития искусственного интеллекта. Этот термин применяемся к искусственным нейронным сетям (ИНС), где используется больше одного скрытого слоя, поэтому формально глубинный указывает еще и на более многослойную архитектуру нейронной сети (см. с. 134). Уникальным для глубинного обучения является то, что машина самана- ходит признаки (ключевые черты чего-либо, по которым легче всего отделить один класс объектов от другого) и структурирует их иерархично: из более простых складываются более сложные. У термина глубинное обучение нет формального определения, поскольку он объединяет целую группу различных технологий [29]. Таким образом, компьютер учится на примерах и своем собственном опыте. Программа AlphaGo сначала проанализировала 29,4 млн ходов в 160 тыс. партий профессиональных игроков, а затем две копии программы начали играть одна с другой, добавляя новые партии в обучающую выборку. Сыграв миллионы партий, программа научилась оценивать наиболее выгодное положение камней на доске для достижения победы [12]. Технология глубинного обучения сейчас является неотъемлемой частью исследований в области распознавания речи, изображений, при создании систем управления беспилотными автомобилями, диагностике заболеваний и решении других сложных задач. Развитием технологии глубинного обучения стала реализованная летом 2017 г. технология распределенного глубинного обучения (DDL), позволяющая на порядок сократить время обучения искусственной нейронной сети. Следует отметить, чего не может современный ИИ и что отделяет его от общего ИИ: – отсутствует запоминание ранее приобретенных навыков при обучении новым – ИИ не может при обучении новым навыкам опираться на ранее приобретенные, те. отсутствует обобщение накопленных знаний и использование их в разных контекстах. Массовое распространение смартфонов породило широкое использование речевых помощников, в которых реализуются элементы ИИ. Такие приложения помогают пользователю в его повседневной деятельности. Среди них такие известные приложения, как Siri (компании Apple), Cortana (Microsoft), Google Now (Google), Echo (Amazon), Алиса (Яндекс) и др, которым уже пользуются десятки миллионов людей. Данные приложения реализуются также на планшетах, ноутбуках и персональных компьютерах. Со временем эти программы станут все интеллектуальнее и незаменимее. Важным направлением работ по ИИ является выявление структуры мозга человека. Такие проекты весьма дорогостоящие, и потому их реализацию могут позволить себе немногие страны и гигантские корпорации. Анализ структуры мозга – это обратное проектирование, которое предполагает, что сначала нужно разобраться до тонкостей в человеческом мозге, а затем представить то, что мозг делает, в виде аппаратного и программного обеспечения. В итоге ученые надеются создать компьютер, обладающий ИИ человеческого уровня. Несколько громадных проектов (с инвестициями в миллиарды долларов) нацелено на достижение этого результата. Моделированию человеческого мозга посвящен международный проект Human Brain Project (HBP), который ведет команда из швейцарской Федеральной политехнической школы в Лозанне под руководством профессора Генри Маркрама (Henry Markram) ив котором участвует более 100 научных групп со всего мира. Цель проекта – синтезировать всезнания, полученные людьми о мозге, в единую полноценную модель мозга внутри суперкомпьютера. Завершение проекта предполагается в 2023 г. Американский проект Brain Activity Map Project Карта активности мозга, 2013 г) рассчитан на то, залет американским ученым удастся зафиксировать и картографировать активность каждого нейрона в человеческом мозге. Есть еще около десятка менее емких, ноне менее важных проектов по изучению мозга. Весьма интересен проект Blue Brain, базирующийся в Швейцарии, в котором ученые изучают работу ансамблей нейронов. Проект SyNAPSE, финансируемый DARPA и корпорацией IBM, ставит задачу создания физической копии мозга, воплощенной в виде специальных микросхем с искусственными нейронами. Это направление получило название нейроморфная электроника [1]. Аналогичные проекты развивает Китай. Тем не менее в настоящий момент исчерпывающее моделирование мозга невозможно в силу ограниченных возможностей современных суперкомпьютеров (для этого требуется производительность в десятки эксафлопс, те. на 3–4 порядка больше нынешней. Из других глобальных проектов, в которых предполагается использовать методы ИИ и системную аналитику, следует отметить продолжение проекта Геном человека, в котором планируется определить ДНК-последовательности всех живых существ планеты. Например, Amazon Third Way разрабатывает проект под названием Банк кодов Земли [16]. Почему вокруг ИИ такой ажиотаж (ожидания) 1. Проводившаяся более полувека компьютеризация производства и практически всех аспектов деятельности человека породила некоторый тупик, связанный с обработкой и анализом всего растущего объема ежедневно появляющихся данных. Походу борьбы сними появились хранилища данных, оперативный анализ данных, облачные вычисления, Большие данные (Big Data). Ас другой стороны – новые модные технологии, которые будут генерировать на порядки большие потоки данных, – Интернет вещей, Индустрия 4.0, Общество 5.0 и т.п. Развитие систем ИИ – это стремление перенести высокоуровневую обработку накопленных данных с человека на компьютерные системы, транзисторные и / или нейроморфные. Мировые ИТ-лидеры ведут гонку в создании специализированных процессоров и суперкомпьютеров для обучения нейронных сетей. В идеале их обучение должно происходить в реальном времени, но сейчас это занимает недели. 2. Эра компьютеров как двигателя полупроводниковой индустрии, заканчивается. Сейчас все надежды на то, что таким двигателем станут ИИ и робототехника. Здесь уже сформировались громадные по объемам сегменты промышленная, сервисная и военная робототехника, беспилотные транспортные средства, медицинская робототехника и др. Однако без систем ИИ полноценное развитие этих направлений невозможно. Таким образом, робототехника сейчас сильно стимулирует исследования в области ИИ. Например, появление беспилотных транспортных средств – это потенциально бизнес в триллионы долларов, поэтому все автомобильные гиганты и другие корпорации вкладывают миллиарды долларов в разработку таких систем. 3. Как в свое время расшифровка генома человека дала экономике США 3% прироста ВВП (каждый вложенный в нее доллар принес 140 долл. прибыли, ожидается, что успехи в создании ИИ дадут громадный прирост бизнесу стран, развивающих исследования в этой области. Поэтому ряд стран, в частности Китай, Южная Корея, а также Евросоюз поставили работы по ИИ вряд важнейших государственных задач. 4. Более конкретно ожидается, что ИИ приведет к улучшению процессов управления, развитию отношений производителей с потребителями, оптимизации всех бизнес-процессов, совершенствованию планирования и кадровой работы, превращению продуктов в сервисы и смене бизнес-модели многих бизнесов. Пример – компания Uber. Рынок ИИ Крайне трудно в наш век неопределенности делать прогнозы. Все перечисленные ниже прогнозы называют сильно завышенные объемы рынка ИИ на ближайшие годы. Рост его, по нашему мнению, будет весьма значительным, ноне столь ошеломляющим, как предсказывают аналитические агентства (см. табл. Таблица Основные области применения систем искусственного интеллекта (%) Системы исследований и рекомендаций в сфере управления качеством 10,3 Диагностические и лечебные системы 10,0 Автоматизированные службы поддержки клиентов 9,8 Автоматизированные системы предотвращения угроз 9,8 Системы анализа и расследования мошенничества 9,0 Другое 51,1 Источник IDC, 2017 [31]. Искусственный интеллект стал ключевым технологическим трендом 2016 г, и объем глобальных инвестиций в него превышает млн долл. Согласно прогнозу IDC, продажи когнитивных систем и систем искусственного интеллекта в 2017 г. в мире вырастут на 59,3% и достигнут 12,5 млрд долл. [31]. По прогнозам международной исследовательской компании Markets and Markets, кг. рынок ИИ вырастет до 5 млрд долл. за счет применения технологий машинного обучения и распознавания естественного языка в рекламе, розничной торговле, финансах и здравоохранении. В агентстве Gartner считают, что кг. около 40% всех взаимодействий с виртуальными голосовыми помощниками будет опираться на данные, обработанные нейронными сетями [15]. Консалтинговая компания Tractica считает, что динамика ИИ будет основываться на шести фундаментальных технологиях машинное обучение, глубинное обучение, компьютерное зрение, обработка естественного языка, машинная аргументация и сильный ИИ. Хотя в перспективе 10 лет ИИ-технологии повлияют практически на каждый бизнес, основными драйверами рынка станут секторы потребительских продуктов, бизнес-услуг, рекламы и обороны. Tractica предсказывает рост рынка ИИ с 643,7 млн долл. в 2016 г. до 38,8 млрд долл. кг. Ключевым драйвером этого рынка является уход всех процессов как в бизнесе, таки в потребительском сегменте в облака, а также рост влияния Интернета, смартфонов, социальных медиа. Акторами этого рынка являются такие крупные корпорации, как NEC, Google, Honeywell, Hitachi и Qualcomm Technologies. Также присутствует множество меньших по размеру игроков, таких как LTU Technologies, Attrasoft, Blippar и SLYCE, и таких вендоров, как Catchoom и Wikitude. Мировой рынок распознавания речи оценен BCC Research в колоссальные 90,3 млрд долл. в 2015 г. Ожидается, что этот рынок вырастет с 104,4 млрд долл. в 2016 до 184,9 млрд долл. в 2021 г. со средними темпами (CAGR) на уровне 12,1% за период 2016–2021 гг. Рынок обработки естественного языка (Natural Language Pro- cessing, NLP) оценивается Market And Markets в 7,63 млрд долл. в 2016 г. и вырастет до 16,07 млрд долл. кг, сна уровне 16,1%. Основными драйверами компания считает возрастающий спрос на более продвинутый уровень пользовательского опыта, рост пользования умными девайсами, рост инвестиций в здравоохранение, растущее применение сетевых и облачных бизнес- приложений и рост технологий. BoA предполагает, что кг. рынок ИИ-решений будет эквивалентен 153 млрд долл, из которых 83 млрд долл. составят роботы и робототехника и 70 млрд долл. – аналитические решения на основе ИИ. В результате так называемая революция роботов, о которой говорят экономисты и аналитики крупнейших банков, позволит мировой экономике повысить производительность на 30% при снижении производственных затратна рабочую силу от 18 до 33%. В общей сложности на мировом рынке работает порядка 400 компаний, занимающихся производством робототехники [15]. Гонку за искусственным интеллектом китайцы начали не вчера, а как минимум пятилетку назад – Baidu, Alibaba и Tencent создали центры развития ИИ в это время. Результаты значительные более 8000 патентов в данной области за 2010–2015 гг. Частный бизнес уже давно участвует в этой гонке [19]. Как видно из приведенных оценок, прогнозы аналитических агентств достаточно пестрые, с большим разбросом показателей, нос хорошими перспективами роста во всех секторах ИИ. Основные международные программы и центры разработки Работами в области ИИ сейчас заняты практически все крупные зарубежные компании, университеты и научные агентства. Существует список из более чем 1000 стартапов, работающих в этой области. Лидерами являются такие известные бренды, как Google, IBM, Microsoft, Amazon, Apple, DARPA и др. Например, огромный скачок в распознавания речи сделала Microsoft, которая объявила, что ее система распознавания речи теперь также точна, как распознавание речи живым человеком. Довести систему распознавания речь до такого высокого уровня удалось в том числе с помощью метода, разработанного резидентом «Сколково», компанией «ЦРТ-инновации» (группа Центр речевых технологий, который был представлен на международной конференции Interspeech сентябре 2016 г. в Сан-Франциско [15]. При этом корпорации тесно сотрудничают сведущими университетами. Так, вначале сентября 2017 г. IBM объявила о заключении летнего соглашения о партнерстве с университетом на сумму 250 млн долл. В этих работах будут задействованы более 100 исследователей из обеих организаций, которые будут сотрудничать в продвижении ключевых областей в области ИИ, таких как алгоритмы глубокого обучения, взаимосвязь между машинным обучением и квантовыми вычислениями и применение суперком- пьютера Watson в здравоохранении и кибербезопасности. Китайские программы развития ИИ базируются на широком финансировании исследований в университетах, государственной поддержке работ отечественных компаний, создании в КНР совместных с западными странами исследовательских и разработ- ческих центров. Отметим, что 2017 г, согласно отчету компании CB Insights, Китай впервые обошел США по объему инвестиций в стартапы, разрабатывающие системы искусственного интеллекта. На долю США пришлось 38% мировых инвестиций в ИИ-стар- тапы, а на долю Китая – 48% [7]. Состояние работ по ИИ в РФ Россия вступила в третью волну ИИ с существенным запозданием. Финансированием исследований в области ИИ занимаются Российский фонд фундаментальных исследований (РФФИ, Российский научный фонд (РНФ), однако из-за отсутствия координирования работ финансирование исследований и разработок в целом недостаточное и выглядит лоскутным. Наилучшее положение в России сейчас у разработчиков военных роботов. В РФ в настоящее время разрабатываются проекты по распознаванию речи, распознаванию лиц и распознавании образов, системы автономного вождения автомобилей и др. приложения ИИ. Крупные российские компании уже используют ИИ для своего бизнеса. C помощью технологий машинного обучения компания МТС прогнозирует желание абонента воспользоваться тем или иным сервисом. Ему делается предложение еще до того, как абонент сам обратится к компании за подключением услуги. Это экономит время клиента и одновременно повышает уровень продаж [32]. Сбербанк совместно с МФТИ разрабатывает проект по использованию технологии ИИ в колл-центре. Задача этого проекта, который называется «Нейроинтеллект iPavlov», – разработка алгоритмов глубинного машинного обучения для создания разговорного ИИ. Данная технология должна снизить нагрузку на сотрудников и повысить качество работы с клиентами [32]. Компания «Яндекс» разрабатывает ИИ-приложения для оптимизации производства в промышленности. Кроме того, компанией представлен метод машинного обучения CatBoost – это наследник метода «Матрикcнет», который применяется почти во всех сервисах «Яндекса» [32]. Компания ABBYY использует технологии ИИ в решении ABBYY FlexiCapture, универсальной платформе для интеллектуальной обработки информации. Она определяет тип документа, извлекает из него данные и отправляет их в информационные системы в CRM, в учетные системы, в системы управления закупками. Приложения ИИ разрабатываются для роботов и БПЛА; так, например, разрабатывается ИИ для семейства беспилотников Фрегат, создаваемых группой Кронштадт. Академическая и вузовская наука проводит отдельные исследования по тематике ИИ, однако масштабные и скоординированные НИОК по ИИ практически полностью отсутствуют. Наибольшую озабоченность вызывает состояние обучения когнитивным наукам. По многим из них простонет квалифицированных преподавателей. Программы обучения катастрофически отстают от потребностей рынка труда. В целом в стране существует около десятка сильных коллективов, занимающихся ИИ. Следует отметить разработки Федерального исследовательского центра Информатика и управление (ФИЦ ИУ РАН) [23]: EXACTUS EXPERT – система для семантического поиска и анализа качества научных публикаций EXACTUS PATENT – для семантического поиска и анализа патентной информации EXACTUS LIKE – для обнаружения близких текстов ивы- числения степени семантической близости TEXT Appliance – информационно-аналитическая система анализа неструктурированной информации. Главная проблема в том, что в России очень мало фундаментальных хороших исследований доходят до готового продукта. Существует разрыв между фундаментальной наукой, которая выжила в лихие е, и реализацией ее наработок в конкретном продукте [17]. Основные направления работ в области ИИ Работы в области ИИ сейчас ведутся во многих странах и развернуты широким фронтом. Они группируются вокруг следующих направлений. 1. Глубинное обучение. Здесь усилия направлены на существенное сокращение времени обучения нейросети и уменьшение объема обучающей выборки. В идеале нейросеть должна обучаться в реальном времени. 2. Синтез роботом ответов, исходя из того корпуса знаний, который в него загрузили, в привязке к контексту и последовательности слов. Робот должен научиться соотносить поступающую информацию со своей базой знаний и обучаться [20]. 3. Разработка нейроморфных микросхем и компьютеров на их базе. Такие микросхемы уже выпустили корпорации IBM и Intel. Пока они содержат до 4096 искусственных нейронов и до 256 млн синапсов, но направление весьма перспективно. 4. Продолжатся работы по картрированию мозга человека и моделированию его работы. 5. Разработка систем распознавания и понимания речи. Многие сервисы используют речевой интерфейс, требующий хорошего распознавания речи. Наряду с этим важно и понимание сказанного пользователем. В этом плане очень важно понимание такими системами контекста сказанного, поскольку контекст – важнейшая часть естественного языка. В этой части исследования также смещаются в направлении разработки систем, способных взаимодействовать с людьми через диалога непросто реагировать на стилизованные запросы. Передача поисковым системами ряду популярных приложений запросов голосом, особенно со смартфонов, уже стала обыденным явлением, и объем таких запросов будет только увеличиваться. 6. Развитие интерфейсов мозг – компьютер. Бурно стартовавшие в этом направлении работы сейчас замедлились, но будут продолжены. 7. Изучение систем группового поведения роботов и взаимодействия роботов и людей входе выполнения каких-либо операций. Усилия исследователей направлены на изучение эффективного распределения задач между людьми и машинами. Это направление важно как для военных роботов, таки для сервисных роботов, а также и для производственной сферы. 1 2 |