Искусственный интеллект. Искусственный интеллект (ИИ)Artificial intelligence (AI)

Прогнозами заниматься дело неблагодарное, тем более что прогресс в области современных методов машинного обучения обгоняет самые смелые ожидания в последние годы. Но некоторые направления в области обучения глубинных нейронных сетей, в которых можно ждать существенных продвижений в ближайшее время, я рискну назвать.

Во-первых, это развитие идей нейросетевого обучения с подкреплением, которое позволит разработать новые самообучающиеся алгоритмы для агентов, взаимодействующих с окружающей средой. Это могут быть как роботы, так и программы, действующие в виртуальном пространстве, например, играющие в интеллектуальные игры типа Го (уже сделано) или Starcraft (в процессе). Главной целью тут, конечно, станет создание алгоритма, умеющего «на ходу» приспосабливаться к новой сложной игре или окружению.

Во-вторых, это разработка новых методов обучения «на лету» и мета-обучения. Первое позволяет компьютеру схватывать новые понятия и смыслы по нескольким примерам, подобно тому, как это делает человек, и в отличие от современных нейронных сетей, которые выучивают новое понятие после демонстрации тысяч и десятков тысяч примеров.

Второе позволяет нейронной сети самой подбирать параметры своего метода обучения. Сейчас качество и скорость обучения нейронных сетей существенно зависит от выставления ряда параметров (обычно называемых гипер-параметрами, чтобы отличать их от весов сети, которые, собственно, и настраиваются в ходе обучения), а также от архитектуры самой сети. Сейчас они определяются человеком или полуавтоматичексим процедурами, далекими от оптимальных. Из-за этого нейросети учатся дольше и хуже, чем могли бы.

Появившиеся в 2016 году работы показывают, что эту работу в принципе можно передоверить вспомогательной нейронной сети. Как все мы помним со средней школы, признаком завершения промышленной революции является момент, когда «машины начинают производить машины». Возможно, в будущем такой же важной вехой станет момент, когда нейросети начнут обучать нейросети и есть основания полагать, что это случится уже в 2017 году.

В-третьих, нейронные сети научатся говорить с человеком (как в смысле генерации текстов реплик, так и в смысле синтеза речи, неотличимой от человеческой), генерировать фотореалистичные картинки и видеоряды по текстовому описанию, писать большие осмысленные тексты. Это станет нашим ближайшим будущим благодаря стремительному прогрессу в области т.н. генеративных моделей глубинного обучения. Конечно, это приведет к созданию новых бизнесов, появлению новых видов товаров и услуг, а также к росту производительности труда в традиционных отраслях экономики, типа мобильных операторов или банков, которым можно будет отказаться от дорогостоящих и неэффективных колл-центров.

Решение всех этих задач станет важным шагом на пути к Святому Граалю машинного обучения - созданию искусственного интеллекта. В следующем году ИИ, конечно, не появится, но через 5–10 лет он, несомненно, будет разработан. Тем более что уже имеющиеся элементы искусственного интеллекта будут помогать ученым в создании полноценного ИИ и, тем самым, позволят ускорить работу в этом направлении. Создание ИИ станет важнейшим достижением человечества и обеспечит ему мощный цивилизационный рывок вперед.

Важно отметить, что стремительный прогресс в области ИИ стал возможен во многом благодаря тому, что эти разработки ведутся открыто и любой человек, имеющий минимальную необходимую подготовку (например, выпускник факультета компьютерных наук НИУ ВШЭ), может принять в них участие: даже у крупных IT-корпораций – лидеров в области глубинного обучения нет никаких секретов (кроме ближнесрочных коммерческих), программные реализации большинства методов доступны, так же как и математическое описание алгоритмов, оказывающихся на удивление не такими сложными, с учетом глобальности решаемых с их помощью задач. Это выгодно отличает машинное обучение, скажем, от космической или ядерной программ середины XX века.

Дополнительные материалы

Лекция Дмитрия Ветрова о машинном обучении (для того, чтобы понять, что это вообще такое)

Тема Искусственного Интеллекта (ИИ) доминировала в медийной новостной ленте на протяжении всего завершающегося года. Тон задают основные ньюсмейкеры - Илон Маск и Марк Цукерберг, обсуждая опасности и преимущества использования Искусственного Интеллекта в жизни человека. Россия и Китай заявили о развитии ИИ как о приоритетном направлении в сфере цифровой экономики. 2018 год станет годом развития и дальнейшего изучения возможностей применения ИИ, особенно метода глубокого обучения (deep learning), как наиболее перспективной ветви Искусственного Интеллекта. Расскажу подробнее об этом тренде в области высоких технологий на примере использования ИИ в сфере маркетинга.

Суть действия Искусственного Интеллекта состоит в создании настолько умных машин, что они будут превосходить мыслительные и аналитические способности человека. Машинное обучение (machine learning), базовый метод ИИ, обладает такими возможностями и уже широко используется во многих отраслях экономики и сферах жизни человека. Однако, стремительно развиваются и другие, более совершенные технологии.

Особенно это заметно по темпам развития глубокого обучения, почти полностью повторяющего принцип работы человеческого мозга в обработке данных и моделирования принятия решений. В 2017 году глубокое обучение стало неотъемлемой частью технологических процессов в здравоохранении и автомобилестроении. Маркетинг, как наиболее динамичная составляющая каждого бизнеса, тоже не остался в стороне от использования передовых технологий. Метод глубокого обучения оказал революционное влияние на всю рекламную отрасль.

Работа технологии, используемой в методе глубокого обучения, основана на принципах взаимодействия биологических нейронов. С помощью самообучающихся алгоритмов маркетологи теперь получают описания покупательского потенциала клиента без помощи человека. Например, RTB House недавно провел анализ огромного массива данных, наглядно продемонстрировавший: применение Искусственного Интеллекта вместо рекомендаций опытных маркетологов в ретаргетинговых кампаниях может улучшить результаты конверсии на 35%. И это еще не все. С помощью метода глубокого обучения рекламодатели получают прогноз действий пользователя, основанный на анализе его поведенческих особенностей и желаний. Это в разы упрощает работу маркетолога, предлагая оптимальные варианты целевых рекламных сообщений, где размещаются товары, о которых пользователь даже не догадывался или еще не видел.

Многие крупные бренды уже заметили выгоду от внедрения решений на основе метода глубокого обучения в свои продукты или инструменты маркетинга. В 2018 году мы ожидаем повсеместное использование метода глубокого обучения и увеличение инвестиций в развитие его потенциала.

От «контролируемого обучения» к новым горизонтам

В 2017 году произошел уход от так называемого «контролируемого обучения», типичного для процесса машинного обучения, в сторону более сложной системы «передачи обучения». Эта технология основана на передаче человеческих инструкций компьютеру: анализировать уже существующие модели принятия решений, примеры, наборы данных и их последующий анализ.

Принцип работы «передачи обучения» заключается в способности компьютера обрабатывать данные из симуляций, а не из реальности. Этот процесс намного проще и дешевле, а также быстрее, что очень важно при анализе огромного объема данных. Используя этот метод, машина учится принимать решения сама по себе: с логическими выводами, аналогией или же дедуктивным методом.

Например, при использовании старой модели машинного обучения, машина-автопилот может провезти человека на миллионы километров, пока записываются данные. Эти данные передаются автомобилю, которая понимает как управлять автомобилем на основе решений водителя. Благодаря «передаче обучения» уже отпадает необходимость в реальном водителе. Вместо этого могут быть взяты данные из различных симуляций вождения. Моделируя миллионы часов езды, машина сама понимает куда ей нужно двигаться, и уже она транслирует знания в реальный мир.

Второй подход называется «усиленным обучением». Его цель заключается в обучении компьютера принимать наилучшие решения, основываясь на обратной связи от окружающей среды и действиях, происходящих в ней. Например, как это происходит при участии в торгах за покупку рекламных мест. Аукционные системы очень сложны. Даже у специалистов часто возникают проблемы с определением оптимальной ставки, которая позволит им достичь желаемых результатов с минимальными затратами. Автомобиль столкнется с такими же препятствиями в начале своего движения. Однако, в отличие от человека, автомобиль может функционировать 24 часа в сутки в симуляционной среде. И также может научиться набору действий, причем намного быстрее человека. Возвращаясь к нашему примеру с покупкой рекламных мест, компьютер учится на моделировании аукционов, получая данные о том как действовать наиболее эффективно и, таким образом, выиграть аукцион.

Новые рабочие места и новые задачи

Действительно, принцип работы алгоритмов глубокого обучения абсолютно идентичен работе человеческого мозга. Но, в отличие от людей, компьютеры учатся намного быстрее и умеют анализировать огромнейшие объемы данных. Компьютеры не засыпают и не совершают множество ошибок. Именно здесь играет ведущую роль супер-производительность. Очень простым путем ИИ будет стремиться превзойти человеческие способности во многих областях. В настоящее время самообучающиеся алгоритмы способны намного точнее людей распознавать действия и образы.

Означает ли это, что существует опасность полностью заместить людей роботами? Не совсем. Согласно данным Всемирного экономического форума, 65% детей, поступающих в начальную школу сегодня, получат работу, которой в настоящее время не существует. Текущий уровень развития ИИ позволяет компаниям искать больше ИТ-специалистов, аналитиков данных, программистов. В следующем году у нас, вероятно, появится бум новых предложений о работе для ученых, работающих с данными. Хотя сейчас такое предложение еще не популярно.

Инновации 2017 года получат мощный импульс к развитию в 2018 году

Целями, которые преследует внедрение метода глубокого обучения, являются упрощение нашей жизни и повышение эффективности человеческой деятельности. Именно поэтому использование ИИ уже не стандарт, а необходимость для компаний, которые хотят быть конкурентоспособными на мировом рынке. Речь идет не о возможности персонализации или улучшения возможностей конечного продукта, а также о ряде других непрямых видов деятельности, таких как сбор и анализ данных. Уже сейчас у компаний есть такой большой объем данных к анализу, что они не справляются с их обработкой.

Такая ситуация напрямую влияет на решения, принятые их сотрудниками, и, следовательно, на финансовые результаты. Компании, чей бизнес специализируется на сборе и анализе данных для различных предприятий, будут все более востребованы. Предприятия с более крупными бюджетами будут использовать ИИ для классификации: что предлагать клиентам, какие рекомендовать условия для предоставления поставщикам, как инструктировать сотрудников, что говорить и делать в режиме реального времени. Следует также предположить, что в скором времени возникнет много новых стартапов, предлагающих решения на основе самообучающихся алгоритмов, поскольку эта технология будет широко распространяться.

Искусственный интеллект в 2017 году стал частью нашей повседневной жизни и публичных дискуссий. В ближайшие годы основное внимание будет уделено разработке различных технологий на основе ИИ, которые заменят людей во многих сложных отраслях, что в конечном итоге сделает нашу жизнь намного проще. Но для этого придется еще много трудиться.

Несмотря на масштабность события, можно было заметить, что ИИ, как и машинное обучение, занимает прочные позиции в области мобильной разработки и отступать не собирается. Перед вами краткий обзор новинок этой ниши.

Искусственный интеллект

Motorola + Alexa

Motorola скооперировалась с сервисом Amazon и хочет интегрировать его устройство голосового управления Alexa со своими продуктами. Это только верхушка айсберга: в планах у Motorola добиться от ИИ-помощника самостоятельного выполнения некоторых полезных действий на основании личных данных владельца (например, забронировать столик в ресторане, если о такой необходимости упоминалось в электронном письме).

Line Inc. + Clova

Тем временем азиатская компания Line Inc., создатель одноименного мессенджера, работает над созданием ассистента Clova , который в будущем может составить конкуренцию Alexa. Судя по всему, он будет способен на довольно сложное взаимодействие с пользователем: после создания оригинального приложения, разработчики, скорее всего, будут налаживать интеграцию Clova с другими приложениями и сервисами, давая пользователю возможность повсеместного голосового управления.

LG vs Sony + Google Assistant

Благодаря тесному сотрудничеству с Google, LG тоже не отстает от бума ИИ. G6 был первым после Pixel телефоном, на котором Google Assistant. Но теперь Google сообщает, что ассистент появится . Например, на анонсированном компанией Sony смартфоне XZ Premium, который теперь имеет все шансы подняться в рейтинге среди новинок. Тем временем, HTC занимается своим Sense Companion, а в Samsung Galaxy S8 ожидается появление помощника Bixby.

Машинное обучение

Huawei

Алгоритмы, лежащие в основе софта Huawei P10 , должны вычислять привычки и распорядок дня пользователя во время работы устройства, а на основе этих данных - распределять память и другие свои ресурсы, таким образом, постепенно улучшая UX. Конечная цель - сделать так, чтобы с течением времени телефон работал все быстрее и быстрее.

Netflix

Компания делает акцент на улучшении качества просматриваемого видео на мобильных устройствах при средней или низкой скорости интернет-соединения. Используемые алгоритмы должны научиться понимать, что конкретно делает видео качественным и приятным для просмотра. К этому добавляется особая схема кодирования, по-разному сжимающая отдельные сцены фильма/сериала, в зависимости от того, что в них происходит.

RoboCar

Ну и напоследок, один из экспонатов, привлекающих наибольшее внимание: на выставке была представлена автономная гоночная машина RoboCar . В ней отлично сочетаются sci-fi дизайн корпуса и начинка из комплекса радаров, лидаров, ультразвуковых и скоростных сенсоров, каждый из которых передает сигнал в «мозг» NVIDIA, интерпретирующий на лету всю поступающую в него информацию.

В 2016 году мы увидели огромные инновации, много инвестиций в сферу искусственного интеллекта со стороны крупных компаний и стартапов, большой интерес публики. А что принесёт 2017 год?

1. Демократизация инструментов даст доступ к искусственному интеллекту большему количеству компаний

Недавнее исследование Forrester среди организаций и профессионалов в сфере технологий показало, что 58% из них исследуют возможности искусственного интеллекта (ИИ), но используют системы ИИ только 12%. Отчасти так происходит потому, что только теперь начинают находиться варианты применения ИИ, а также потому, что пока технологии находятся на начальном этапе развития и применять их непросто. Для работы с ними требуется набор определённых навыков и настрой.

Фреймворки вроде Facebook Wit.ai и Howdy Slack стараются превратиться в своего рода Visual Basic искусственного интеллекта, обещая простую разработку интеллектуальных разговорных интерфейсов при не самой высокой степени подготовки разработчиков. Инструменты вроде Bonsai, Keras и TensorFlow упрощают внедрение моделей глубокого обучения. Облачные платформы, такие как интерфейсы Google и Microsoft Azure, позволяют создавать интеллектуальные приложения без необходимости беспокоиться о настройках и поддержке соответствующей инфраструктуры.

2. Мы увидим больше целенаправленных систем ИИ

Мы пока не ожидаем появления больших систем ИИ общего назначения. Однако можно рассчитывать на появление целенаправленных систем, таких как:

Роботизация: персонал, промышленность и розничная торговля
Автономные средства передвижения (автомобили, дроны и т.д.)
Боты: системы управления информацией о клиентах, потребительские (вроде Amazon Echo) и персональные ассистенты
Специфичные для определённых отраслей промышленности системы ИИ: финансы, здравоохранение, безопасность и розничная торговля

3. Экономическое влияние возросшей автоматизации станет предметом обсуждения

В 2017 году есть надежда меньше слышать о том, как злобный искусственный интеллект собирается захватить мир, и больше об экономическом влиянии ИИ. Давно не ново беспокойство относительно потерь рабочих мест из-за ИИ, но теперь стоит ждать более глубоких и подробных разговоров об экономическом влиянии подобного развития событий.

4. Предотвращающие избыток информации системы станут более сложными

В сегменте ИИ ведутся интересные разработки, которые помогут анализировать информацию и предотвращать её избыток, особенно в таких сферах, как:

Понимание натурального языка
Структурированное извлечение данных
Картографирование информации
Автоматическое резюмирование (текст, видео и аудио)

5. Исследователи ИИ будут изучать и иногда решать фундаментальные проблемы

В 1967 году, один из основателей лаборатории искусственного интеллекта Массачусетского Технологического Института Марвин Мински сказал, что в пределах жизни одного поколения проблема создания искусственного интеллекта будет решена. Был он провидцем или ошибался? Пока сказать невозможно, однако ещё предстоит решать фундаментальные проблемы. Впрочем, прогресс не стоит на месте, вот несколько примеров:

Ведутся исследования формирующих блоков, включающих распознавание натурального языка, зрение, речь, улучшенное обучение извлечения информации и оптимизация аппаратных систем (включая себестоимость) для потоков ИИ.
Системы с улучшенным вниманием и памятью будут способны решать больше одной проблемы за раз или более сложные проблемы, такие как предположения и рассуждения. Например, недавно в компании DeepMind был достигнут прогресс в сфере дифференцируемых нейронных компьютеров.
Алгоритмы будут требовать всё меньше помеченных данных; развивается бесконтрольное или полуконтролируемое обучение.
Вдохновляемые ключевыми аспектами человеческого мозга системы, включая интуитивную физику и психологию, быстрое построение моделей и причинно-следственную связь.
Системы ИИ для построения надёжного программного обеспечения. Об этом подробно рассказал Питер Норвиг на конференции O’Reilly AI Conference.

6. Взаимодействие людей и машин станет более насыщенным

В машинном разуме есть многообразие, которое варьируется от чистого машинного интеллекта до дополнения возможностей человека. Разработки в сфере эмоционального интеллекта и обнаружения, и в решениях с участием человека откроют более богатое взаимодействие между людьми и машинным интеллектом.

7. Ожидайте повышенное внимание к проблемам этики и конфиденциальности

Большинство систем ИИ можно описать как чёрный ящик и они чрезвычайно сложные. Связанные с ИИ риски этики и конфиденциальности реальны и требуют тщательного осмысления. Эти проблемы не будут решены в 2017, но можно надеяться хотя бы на прогресс в этой области.

Развиваются все быстрее, им находятся все новые применения. Люди изобретают новые способы обучения машин, а машины учатся обходиться вовсе без людей.

Что было?

Основные прорывы в этом направлении сейчас основаны на глубоком обучении с подкреплением . Например, показал прекрасные результаты самообучения: за три дня нейросеть от уровня начинающего игрока в «Го» дошла до уровня профессионала, одерживающего только победы. Новая модель ИИ AlphaGo Zero обучалась «с нуля» без участия человека, играя только сама с собой.

Неслучайно и первый приз конференции ICML 2017 получила работа Understanding Black-box Predictions via Influence Functions , авторы которой не пытаются строить новые модели, но объясняют, почему существующие модели дают те или иные результаты. Расширяется и онлайн-доступ к образовательным программам глубокого обучения . В рамках проекта AI Experiment в сотрудничестве с Støj, Use All Five и командами Creative Lab и PAIR в Google создана платформа машинного обучения Она позволяет каждому попробовать свои силы в самостоятельном обучении нейросети и понять, как работает машинное обучение.

В суперкомпьютеры, предназначенные для глубокого обучения нейронных сетей, инвестировали исследовательские университеты и учреждения, такие как Oxford , Массачусетская Клиника в Бостоне и GE Avitas Systems . А В США начал работу . Он займется изучением социальных связей и взаимодействия искусственного интеллекта и различных сфер деятельности человека.

Исследователи из Nvidia указывают, что новые методы обучения - например, generative adversarial networks (GAN), поднимут возможности ИИ на невиданные ранее высоты. Не так давно мы рассказывали, как группа ученых из Nvidia научила искусственный интеллект быстро и практически незаметно.

Нейросети использовали и для более «приземленных» задач. Например, в компании Carlsberg запустили исследование . Работу по созданию новых сортов пива помогает выполнять искусственный интеллект, разработанный в Microsoft. В Новой Зеландии появился , дающий «самые умные» предвыборные обещания. А известный производитель реалистичных сексуальных игрушек RealDoll запустил новый , который будет специализироваться на роботизированных секс-куклах с искусственным интеллектом.

При этом нейросетям не чуждо прекрасное. Например, создал красивые спецэффекты к клипу китайской певицы. А российский голосовой помощник с искусственным интеллектом «Алиса» записал к Новому году .

Что будет?

Несмотря на опасения противников ИИ, сфера, несомненно, будет активно развиваться и в наступившем году. Искусственный интеллект должен сделать роботов более умными, медицину - более доступной, а системы распознавания обыденными. Компания Nvidia собрала прогнозы исследователей и экспертов со всего мира, чтобы понять, какое развитие все это получит в будущем.

Эксперты уверены, что ИИ найдет еще более широкое практическое применение в медицине и станет неотъемлемой частью сферы здравоохранения. Например, исполнительный директор Центра анализа клинических данных при Массачусетской Клинике и Бригэмской Женской Клинике Марк Микалски считает, что медицинская сфера перейдет к созданию реальных продуктов для клинической практики. «ИИ начнет проникать в медицину со стороны диагностики, другие сегменты также не заставят себя ждать - его возьмут на вооружение специалисты по профилактике заболеваний, хирурги и врачи других специализаций», - приводятся в исследовании Nvidia слова Марка Микалски.

Врач отделения радиологии и нейрорадиологии Медицинского Центра Векснера при Университете штата Огайо Лучиано Преведелло уверен, что «в 2018 и последующие несколько лет ИИ настолько сильно внедрится в медицину, что будет восприниматься как ее неотъемлемая часть». Из исследовательских лабораторий ИИ перейдет в палату пациента.

Специалисты не сомневаются, что искусственный интеллект глубже войдет и в повседневную жизнь. А разработка ИИ будет происходить в самых разных областях. В том числе, такие технологии будут использоваться в смартфонах. А новые методы глубокого обучения добавят прозрачности обработке данных.

Генеральный директор Orange Silicon Valley и президент исследовательской лаборатории Orange Institute Джорджес Нэон считает, что биометрия уже в этом году заменит кредитки и водительские права. «Распознавание лиц уже перевернуло сферу безопасности благодаря использованию биометрических данных, и, наблюдая, как сливаются технологии и ритейл, например, Amazon с Whole Foods, я думаю, что в ближайшем будущем людям не придется стоять в очередях», - заявил он.

Вся отрасль технологий будет меняться под влиянием искусственного интеллекта уверен управляющий директор по ИИ и руководитель стратегического планирования в Accenture Никола Морини Бианзино: «На ИИ придется 25% расходов на технологии. Ключевым вопросом будет то, как организации и сотрудники будут реагировать на изменения, которые привнесут технологии ИИ».

Также искусственный интеллект все чаще и все эффективнее будет использоваться для создания контента - музыки, изображений, игр, текстов. А «умные» вещи будут становится все умнее и персонализированные. Не далек тот час, когда достаточно будет о чем-то подумать и получить желаемое, считает старший научный работник Nvidia Алехандро Трокколи.