на каком уровне развития находится искусственный интеллект сегодня
10 самых важных вех в развитии ИИ на сегодняшний день
На протяжении своей истории, от первых рассказов Азимова про роботов до AlphaGo, у ИИ были взлёты и падения. Но на самом деле его история только начинается.
Искусственный интеллект пока ещё очень молод. Однако в этой области произошло уже много значимых событий. Некоторые из них привлекли внимание культуры, другие породили взрывную волну, воспринятую только учёными. Вот некоторые ключевые моменты, наиболее сильно повлиявшие на развитие ИИ.
1. Айзек Азимов впервые упомянул «Три закона робототехники» (1942)
2. Алан Тьюринг предложил свою «Игру в имитацию» (1950)
Алан Тьюринг описал первый принцип измерения степени разумности машины в 1950-м.
Предлагаю рассмотреть вопрос «Могут ли машины думать?» Так начиналась влиятельная исследовательская работа Тьюринга 1950 года, разработавшая систему взглядов для рассуждения о машинном разуме. Он задал вопрос о том, можно ли считать машину разумной, если она может имитировать разумное поведение человека.
Этот теоретический вопрос породил знаменитую «Игру в имитацию» [её позже назовут «Тестом Тьюринга» / прим. перев.], упражнение, в котором исследователь-человек должен определить, с кем он переписывается – с компьютером или человеком. Во времена Тьюринга не существовало машин, способных пройти этот тест, нет их и сегодня. Однако его тест дал простой способ определить наличие разума у машины. Также он помог сформировать философию ИИ.
3. Конференция по ИИ в Дартмуте (1956)
К 1955 году учёные всего мира уже сформировали такие концепции, как нейросети и естественный язык, однако ещё не существовал объединяющих концепций, охватывающих различные разновидности машинного интеллекта. Профессор математики из Дартмутского колледжа, Джон Маккарти, придумал термин «искусственный интеллект», объединяющий их все.
Маккарти руководил группой, подавшей заявку на грант для организации конференции по ИИ в 1956. В Дартмут-холл летом 1956 были приглашены многие ведущие исследователи того времени. Учёные обсуждали различные потенциальные области изучения ИИ, включая обучение и поиск, зрение, логические рассуждения, язык и разум, игры (в частности, шахматы), взаимодействия человека с такими разумными машинами, как личные роботы.
Общим консенсусом тех обсуждений стало то, что у ИИ есть огромный потенциал для того, чтобы принести пользу людям. Было очерчено общее поле исследовательских областей, на развитие которых может повлиять машинный интеллект. Конференция организовала и вдохновила исследования в области ИИ на многие годы.
4. Фрэнк Розенблатт создаёт перцептрон (1957)
Фрэнк Розенблатт создал механическую нейросеть в Корнеллской лаборатории аэронавтики в 1957
Базовый компонент нейросети называется «перцептроном» [это лишь самый первый и примитивный тип искусственного нейрона / прим. перев.]. Набор входящих данных попадает в узел, подсчитывающий выходное значение, и выдающий классификацию и уровень уверенности. К примеру, входные данные могут анализировать различные аспекты изображения на основании входных данных и «голосовать» (с определённым уровнем уверенности) за то, есть ли на нём лицо. Затем узел подсчитывает все «голоса» и уровень уверенности, и выдаёт консенсус. В нейросетях сегодняшнего дня, работающих на мощных компьютерах, работают миллиарды подобных структур, связанных между собой.
Однако перцептроны существовали ещё до появления мощных компьютеров. В конце 1950-х молодой психолог-исследователь Фрэнк Розенблатт создал электромеханическую модель перцептрона под названием Mark I Perceptron, хранящуюся сегодня в Смитсоновском институте. Это была аналоговая нейросеть, состоявшая из сетки светочувствительных элементов, соединённых проводами с банками узлов, содержащих электромоторы и поворотные резисторы. Розенблатт разработал «перцептронный алгоритм», управлявший сетью, которая постепенно подстраивала силу входных сигналов так, чтобы в итоге правильно идентифицировать объекты – по сути, обучалась.
Учёные спорили о значимости этой машины вплоть до 1980-х. Она сыграла важную роль по созданию физического воплощения нейросети, которая до тех пор существовала в основном только в виде научной концепции.
5. ИИ сталкивается со своей первой зимой (1970-е)
Большую часть своей истории ИИ существовал только в исследованиях. Большую половину 1960-х правительственные агентства, в частности, DARPA, вливали деньги в исследования и практически не требовали отчёта по инвестициям. Исследователи ИИ часто преувеличивали потенциал своей работы, чтобы продолжать получать финансирование. Всё изменилось в конце 1960-х и начале 1970-х. Два отчёта – один от рекомендательного совета по автоматической обработке языка (ALPAC) для правительства США 1966 года, второй от Лайтхилла для правительства Британии 1973 года – прагматически оценили прогресс в исследованиях ИИ и выдали весьма пессимистичный прогноз о потенциале данной технологии. В обоих отчётах ставилось под вопрос наличие ощутимого прогресса в различных областях исследований ИИ. Лайтхилл в своём отчёте утверждал, что ИИ для задач распознавания речи будет крайне сложно масштабировать до размеров, которые смогут быть полезными правительству или военным.
В итоге правительства США и Британии начали урезать финансирование исследований ИИ для университетов. DARPA, без проблем финансировавшее исследования ИИ в 1960-х, стало требовать от проектов чётких временных рамок и подробного описания предполагаемых результатов. В итоге стало казаться, что ИИ не оправдал ожиданий, и никогда уже не сможет достичь уровня человеческих возможностей. Первая «зима» ИИ продлилась все 1970-е и 80-е.
6. Приход второй зимы ИИ (1987)
1980-е начались с разработки и первых успехов «экспертных систем», хранивших большие объёмы данных и эмулировавшие процесс принятия решений людьми. Технологию изначально разработали в университете Карнеги-Меллона для компании Digital Equipment Corporation, а затем другие корпорации начали быстро внедрять её. Однако экспертные системы требовали дорогого спеиализированного оборудования, и это стало проблемой, когда начали появляться сходные по мощности и более дешёвые рабочие станции от Sun Microsystems а также персональные компьютеры от Apple и IBM. Рынок экспертных компьютерных систем рухнул в 1987, когда с него ушли основные производители оборудования.
Успех экспертных систем в начале 80-х вдохновил DARPA на увеличение финансирования исследований ИИ, но вскоре это вновь поменялось, и агентство урезало большую часть этого финансирования, оставив всего несколько программ. И снова термин «искусственный интеллект» в исследовательском сообществе стал почти запретным. Чтобы их не воспринимали, как непрактичных мечтателей в поисках финансирования, исследователи начали использовать другие названия для работы, связанной с СС – «информатика», «машинное обучение» и «аналитика». Эта, вторая зима ИИ продолжалась вплоть до 2000-х.
7. IBM Deep Blue побеждает Каспарова (1997)
IBM Deep Blue победила лучшего шахматиста мира, Гарри Каспарова, в 1997.
Общественное представление об ИИ улучшилось в 1997 году, когда шахматный компьютер Deep Blue от IBM победил тогдашнего чемпиона мира Гарри Каспарова. Из шести игр, проводившихся в телестудии, Deep Blue выиграла в двух, Каспаров в одной, а три окончились вничью. Ранее в том году Каспаров победил предыдущую версию Deep Blue.
У компьютера Deep Blue было достаточно вычислительных мощностей, и он использовал «метод грубой силы», или полный перебор, оценивая 200 млн возможных ходов в секунду и подбирая наилучший. Возможности людей ограничиваются оценкой лишь порядка 50 ходов после каждого хода. Работа Deep Blue была похожа на работу ИИ, но компьютер не размышлял о стратегиях и не учился игре, как смогут делать последовавшие за ним системы.
8. Нейросеть видит кошек (2011)
К 2011 году учёные из университетов всего мира говорили о нейросетях и создавали их. В том году программист Джефф Дин из Google познакомился с профессором информатики из Стэнфорда Эндрю Ыном. Вдвоём они замыслили создание большой нейросети, обеспеченной огромной вычислительной энергией серверов Google, которой можно будет скормить огромный набор изображений.
Созданная ими нейросеть работала на 16 000 серверных процессорах. Они скормили ей 10 млн случайных и неразмеченных кадров с видеороликов YouTube. Дин и Ын не просили нейросеть выдать какую-то конкретную информацию или разметить эти изображения. Когда нейросеть работает таким образом, обучаясь без учителя, она естественным образом пытается найти закономерности в данных и формирует классификации.
Нейросеть обрабатывала изображения три дня. Затем она выдала три размытых изображения, обозначающих визуальные образы, которые она снова и снова встречала в обучающих данных – лицо человека, тело человека и кота. Это исследование стало серьёзным прорывом в использовании нейросетей и обучении без учителя в компьютерном зрении. Также оно отметило начало проекта Google Brain.
9. Джоффри Хинтон спустил с поводка глубокие нейросети (2012)
Исследование Джоффри Хинтона помогло возродить интерес к глубокому обучению
Через год после прорыва Дина и Ына профессор Торонтского университета Джоффри Хинтон с двумя своими студентами создали нейросеть для компьютерного зрения AlexNet для участия в соревновании по распознаванию изображений ImageNet. Участники должны были использовать свои системы для обработки миллионов тестовых изображений и определять их с наивысшей возможной точностью. AlexNet выиграла соревнование с процентом ошибок в два с лишним раза меньшим, чем у ближайшего конкурента. В пяти вариантах подписи к изображению, данных нейросетью, только в 15,3% случаев не было правильного варианта. Предыдущим рекордом было 26% ошибок.
Эта победа убедительно показала, что глубокие нейросети, работающие на графических процессорах, куда как лучше других систем могут точно определять и классифицировать изображения. Это событие, возможно, сильнее остальных повлияло на возрождение интереса к глубоким нейросетям, и заслужило Хинтону прозвище «крёстный отец глубокого обучения». Вместе с другими гуру в области ИИ, Йошуа Бенджио и Яном Лекуном, Хинтон получил долгожданную премию Тьюринга в 2018.
10. AlphaGo обыгрывает чемпиона мира по го (2016)
Через несколько лет учёные из DeepMind, теперь уже в рамках Google, перешли от игр Atari к одной из самых старых задач ИИ – японской настольной игре го. Они разработали нейросеть AlphaGo, способную играть в го и обучаться во время игры. Программа провела тысячи партий против других версий AlphaGo, обучаясь на основе проигрышей и выигрышей.
И это сработало. AlphaGo обыграла величайшего игрока в го в мире, Ли Седоля, со счётом 4:1 в серии игр в марте 2016. Процесс снимали для документального фильма. При его просмотре трудно не заметить грусть, с которой Седоль воспринял проигрыш. Казалось, что проиграли все люди, а не только один человек.
Последние продвижения в области глубоких нейросетей настолько сильно изменили область ИИ, что реальная его история, возможно, только лишь начинается. Нас ждёт много надежд, шумихи и нетерпения, но сейчас уже ясно, что ИИ повлияет на все аспекты жизни XXI века – и возможно даже сильнее, чем в своё время это сделал интернет.
Будущее искусственного интеллекта
В предыдущей статье мы описали прошлое и настоящее искусственного интеллекта – как выглядит ИИ сегодня, разницу между сильным и слабым ИИ, ОИИ, и некоторые философские идеи по поводу природы сознания. Слабый ИИ можно встретить где угодно в виде ПО, предназначенного для умного выполнения определённых задач. Итоговая цель – сильный ИИ, и именно настоящий сильный ИИ будет напоминать то, что знакомо нам из популярной фантастики.
Обобщённый ИИ – современная цель, которой многие исследователи посвящают сегодня свои карьеры. У ОИИ не обязательно должно быть какое-то сознание, но он должен справиться с любой задачей, связанной с данными, которую мы перед ним поставим. Конечно, в природе людей есть желание предсказывать будущее, и именно этим мы и займёмся в данной статье. Какие наилучшие догадки мы можем сделать по поводу связанных с ИИ ожиданий в ближайшем будущем? Какие этические и практические проблемы могут возникнуть с появлением обладающего сознанием ИИ? В предполагаемом будущем, должен ли ИИ обладать правами, или, например, нужно ли его бояться?
Будущее ИИ
Оптимизм исследователей ИИ по поводу будущего с годами менялся, и даже современные эксперты ведут по этому поводу споры. Тревор Сэндс, исследователь ИИ из Lockheed Martin, осторожен в своих оценках:
С появления ОИИ как концепции, исследователи и оптимисты, утверждают, что его осталось ждать недолго, всего несколько десятков лет. Лично я считаю, что мы увидим появление ОИИ в ближайшие 50 лет, поскольку железо подтянулось до уровня теории, и всё больше организаций видят потенциал в ИИ. ОИИ – естественное завершение существующих попыток исследования ИИ.
За это время может появиться даже разумный ИИ, как говорит Альберт (ещё один исследователь ИИ, попросивший нас упоминать его только по псевдониму):
Надеюсь, что увижу его ещё при жизни. По крайней мере, надеюсь увидеть машины, достаточно умные для того, чтобы люди спорили, обладают ли они сознанием. А что это означает на самом деле – более сложный вопрос. Если разум означает «самосознание», то тогда не так уж сложно представить умную машину, обладающую моделью себя самой.
Сэндс и Альберт считают, что сегодняшние исследования нейросетей и глубинного обучения – это правильный путь, который, скорее всего, приведёт к созданию ОИИ в недалёком будущем. В прошлом исследователи либо фокусировались на амбициозных попытках создания сильного ИИ, либо на ограниченном по сути слабом ИИ. Между ними находится ОИИ, и пока что результат работы нейросетей выглядит плодотворным, и скорее всего, приведёт к ещё большему числу прорывов в ближайшие годы. Большие компании, в частности, Google, явно считают, что так и будет.
Последствия и этические проблемы сильного ИИ
При каждом обсуждении ИИ всегда возникают две проблемы: как он повлияет на человечество, и как нам к нему относиться? Литературу всегда можно рассматривать как хороший индикатор мыслей и чувств, отражающий настроения людей, и в научной фантастике полно примеров этих проблем. Попытается ли достаточно передовой ИИ устранить человечество, как Skynet? Или ИИ необходимо будет давать права и защиту, во избежание таких проявлений жестокости, какие встречаются в «A.I. Artificial Intelligence»?
Страшный ИИ
В обоих случаях смысл состоит в том, что с созданием настоящего ИИ придёт технологическая сингулярность. Технологическая сингулярность – период экспоненциального роста технологий, происходящий на небольшом временном отрезке. Идея в том, что ИИ сможет улучшать самого себя или производить более передовые ИИ. Так как это будет происходить быстро, кардинальные перемены могут случиться за один день, и в результате появится ИИ гораздо более совершенный, чем тот, что был создан человечеством. Это может означать, что в результате у нас появится сверхумный и недоброжелательный ИИ, или разумный ИИ, достойный обладать правами.
Недоброжелательный ИИ
Что, если этот гипотетический сверхумный ИИ решит, что человечество ему не нравится? Или же мы будем ему безразличны? Нужно ли бояться этой возможности и принимать меры предосторожности? Или же эти страхи – результаты безосновательной паранойи?
Сэндс считает: «ОИИ произведёт революцию, и его применение определи, позитивное это будет влияние, или негативное. Примерно так же расщепление атома можно рассматривать как обоюдоострый меч». Конечно, тут речь идёт только об ОИИ, а не о сильном ИИ. Что насчёт возможности появления разумного сильного ИИ?
Скорее всего, потенциала можно ожидать не от злонамеренного, а от индифферентного ИИ. Альберт рассматривает пример с простой задачей, поставленной ИИ: «Есть такая история, что владелец фабрики по производству скрепок задал ИИ вроде бы простую задачу: максимизацию производства. А затем ОИИ воспользовался своим интеллектом и придумал, как превратить всю планету в скрепки!»
Альберт отметает возможность, описанную в этом смешном мысленном эксперименте: «Вы хотите сказать, что этот ОИИ понимает человеческую речь, сверхумный, но ему недоступны связанные с запросом тонкости? Или, что он не сможет задать уточняющие вопросы, или догадаться, что превращение всех людей в скрепки – это плохая идея?».
То есть, если ИИ достаточно умён для того, чтобы понять и запустить опасный для людей сценарий, он должен быть достаточно умным для того, чтобы понять, что этого делать не стоит. Три закона робототехники Азимова тоже могут сыграть свою роль, хотя остаётся вопрос, можно ли будет реализовать их таким образом, чтобы ИИ не смог их поменять? А что насчёт благополучия самого ИИ?
Права ИИ
На противоположной стороне проблемы стоит вопрос, заслуживает ли ИИ защиты и получения прав? Если бы появился разумный ИИ, можно ли позволять человеку просто отключать его? Как к нему относиться? Права животных и сейчас очень спорные, и пока что нет согласия в том, обладают ли животные сознанием или разумом.
По-видимому, те же споры развернутся по поводу существ с ИИ. Будет ли рабством заставлять ИИ работать день и ночь на благо человечества? Должны ли мы платить ему за услуги? Что с этой оплатой будет делать ИИ?
Фильм плохой, идея хорошая
Маловероятно, что у нас в ближайшее время появятся ответы на эти вопросы, в особенности, ответы, устраивающие всех. «Как мы можем гарантировать, что у ИИ, сравнимого с человеком, будут такие же права, как у человека? Учитывая, что эта интеллектуальная система фундаментально отличается от человека, как мы можем определить фундаментальные права ИИ? Кроме того, если считать ИИ искусственной формой жизни, есть ли у нас право отнимать у него эту жизнь (отключать)? До того, как создать ОИИ, необходимо серьёзно продумать вопросы этики», – говорит Сэндс.
В то время, как продолжается исследование ИИ, эти и другие этические вопросы, несомненно, будут вызывать споры. Судя по всему, мы ещё довольно далеко от того момента, когда они окажутся актуальными. Но и сейчас уже для их обсуждения организовываются конференции.
Как поучаствовать
Исследование и эксперименты с ИИ традиционно находились в ведении учёных и исследователей из корпоративных лабораторий. Но в последние годы растущая популярность свободной информации и открытого кода распространилась даже на ИИ. Если вам интересно заняться будущим ИИ, для этого есть несколько способов.
Проводить самостоятельные эксперименты с ИИ можно при помощи доступного ПО. У Google есть встроенная в браузер песочница для работы с простейшими нейросетями. Доступны библиотеки по нейросетям с открытым кодом, например, OpenNN и TensorFlow. Их не так-то просто использовать, но целеустремлённые любители хобби могут развернуться на их базе.
Наилучший способ – делать всё, что можно, для продвижения профессиональных исследований. В США это означает пропаганду научных исследований. Исследования ИИ, как и любые научные исследования, зависят от непредвиденных обстоятельств. Если вы верите, что за технологическими инновациями будущее, то помощь в получении финансирования исследований – это достойное занятие.
С годами оптимизм по поводу разработки ИИ колебался. Сейчас мы находимся на пике, но вполне возможно, что это изменится. Но нельзя отрицать, что возможность ИИ подстёгивает воображение публики. Это очевидно, если судить по научной фантастике и другим развлечениям. Сильный ИИ может появиться через пару лет или через пару столетий. Можно быть уверенным только в том, что мы не остановимся на пути к этой цели.
Современное состояние искусственного интеллекта
“Разумные компьютеры становятся безумными!”
“Машины решили, что все человечество должно быть уничтожено или порабощено!”
“Всемогущие роботы стали доминировать над человеческой расой!”
Это то, что мы думаем, когда кто-то произносит “искусственный интеллект”. Особенно в научной фантастике. Мы вспоминаем HAL 9000 из Космической Одиссеи 2001 года, который внезапно решил, что может делать все, что черт возьми он захочет. Терминатор или Альтрон и маниакальные фантазии о расе роботов убийц, одержимых стремлением уничтожить человечество. И не говорите мне о том, что в вашей голове никогда не проскальзывала мысль, что Матрица может быть реальной.
Искусственный интеллект в научной фантастике долгое время был предметом конфликта между человеком и машиной. Во многих отношениях, в этом нет ничего плохого. Люди и машины бок о бок проходили через многие исторические процессы; постоянное напряжение между живым и неживым приводило к взаимовыгодным результатам.
В научной фантастике существует тенденция представлять ИИ в качестве антропоморфных машин. Это один из самых незамысловатых приемов в литературе создать злодея. Дайте машине тело, голос, разум и способность управлять своими действиями. В большинстве случаев, это Макгаффин, раскрывающий наши собственные слабости и недостатки. Мне нравятся подобного плана истории. Я и сам написал их немало. Они служат для того, чтобы помочь нам исследовать нашу собственную природу с точки зрения особенностей, которые делают наш вид уникальным.
Но реже я встречал истории, в которых ИИ предстает тем, чем он является на самом деле… областью исследования компьютерных наук.
В этой статье мы взглянем на фундаментальные принципы искусственного интеллекта, его основные теории и перспективы, чтобы помочь другим авторам понять его истинную природу, потенциал и ограничения.
Идея современного ИИ появилась из ранних работ с компьютерами в 30-х годах. Алан Тьюринг, основатель современных компьютерных вычислительных систем, заявил в основополагающей статье 1950 года, что теоретически возможно построить компьютер способный на мыслительные процессы. Тест Тьюринга стал де факто первым шагом в определении того, достиг ли компьютер уровня ИИ.
Идея теста заключается в том, чтобы проверить способность машины демонстрировать разумное поведение, которое эквивалентно или неотличимо от поведения человека. В общем виде, суть теста состоит в том, чтобы выяснить, сможет ли компьютер в беседе с человеком обмануть собеседника, заставив поверить в то, что он является человеком, а не машиной.
Системы, по сути алгоритмы, назывались “нейронными сетями”. Начальный прогресс был весьма обнадеживающим. Но работа над нейронными сетями в конечном итоге зашла в тупик в 1960-х годах, к тому же исследователь Марвин Мински усомнился, что реализация модели перцептронов была хоть сколько-нибудь возможна, учитывая технологии, доступные в то время. Марвин Мински утверждал, что модель нейронной сети нуждается в слишком высокой вычислительной мощности и она не решает фундаментальных проблем создания компьютера, который бы обладал здравым смыслом и мог рассуждать на уровне человека.
Более того, Hans Moravec (in “Moravec’s Paradox”) в 1980-х заявил, что
«сравнительно легко заставить компьютеры демонстрировать производительность на уровне взрослого человека в тестах на интеллект и в игре в шашки, но очень трудно или практически невозможно наделить их навыками годовалого ребенка, когда заходит речь о восприятии и мобильности»
По сути, это значит, что относительно легко конструировать компьютеры, которые обладают превосходными логическими способностями (например, умение играть в шахматы), но невероятно сложно создавать компьютеры, которые могли бы демонстрировать человеческую физическую активность и восприятие. Поэтому, исследования ИИ вступили в один из двух периодов так называемого “разочарования”, прозванных в среде ученых “ИИ Зима”. Финансирование иссякло, прогресс замедлился, поэтому фокус внимания переместился на другие области информатики. Первая “ИИ Зима” длилась с 1970-х до середины 1980-х, вторая с 1990-х по примерно 2010-е.
Термин “искусственный интеллект” в наше время считается немного неправильным. Он существует скорее как общее определение для нескольких видов технологий, наделяющих компьютеры и механизмы более интеллектуальными возможностями.
Несмотря на то, что нам говорит научная фантастика, ответ на этот вопрос не приводит и не приведет к появлению роботов-повелителей (по крайне мере, не в буквальном смысле). Практическое использование искусственного интеллекта сегодня сводится к упрощению множества задач для различных компаний и организаций. С коммерческой точки зрения, машинное обучение часто используется для решения проблемы персонализации, вроде более таргетированной рекламы или улучшенной рекомендательной системы. В мире существует так много данных, что справиться с таким объемом информации можно только при помощи машин, использующих интеллектуальные алгоритмы, помогающие людям принимать решения.
Подумайте об этом немного. Нам нужно научить компьютеры понимать, сидит ли в данный момент человек или стоит, машет руками или идет. Это то, на что способен интеллект двухгодовалого ребенка. Несмотря на всю свою мощь и потрясающие способности, основанные на логических вычислениях, машины не настолько умны, особенно что касается познания и восприятия на человеческом уровне. Машины не могут брать на себя ответственность. По крайне мере, не в ближайшее время.
Таким образом, если мы не знаем, как построить сознательный компьютер, возникает более уместный вопрос: “Во что превратится ограниченная функциональность современного ИИ в ближайшие годы?”
Ускорение темпов развития ИИ, как мы теперь понимаем, будет ключом к концу “Информационной” эпохи и началу “Автономной” эпохи. Если грубо обобщить, то “Информационная” эпоха началась с появления печатного станка в 1450 году, который помогал распространять знания и информацию по всему миру. Теперь у нас есть устройства, которые мы носим в кармане и которые могут получить доступ к любому виду данных в течения нескольких секунд или связаться с кем-либо в мире. Это логическое завершение Информационной эпохи.
Следующая эпоха будет той, где наши компьютеры и машины выполняют для нас задачи, основываясь на принципах оптимизации и эффективности, основываясь на огромных объемах данных и эмпирических наблюдениях. Назовите любую форму человеческой деятельности, о которой вы только можете подумать, и вы увидите способ, по которому алгоритмы смогут ее усовершенствовать. И еще, каждая отдельная машина будет ограничена в своих возможностях. Алгоритм, разработанный, например, для сбора урожая не сможет развернуться и выполнить оптимизацию контент-маркетинга. Ближайшее будущее (следующие пятьдесят лет, по крайне мере) будет наполнено множеством узкоспециализированных ИИ, выполняющих конкретные задачи. Создание искусственного интеллекта, который мог бы выполнять множество разнообразных видов задач (что было бы предпосылкой появления искусственного чувства), будет осуществлено уж точно не при нашей жизни.
Автор статьи: Dan Rowinski (technology journalist).