Почему искусственный интеллект (ИИ) станет технологией 2023 года

Взгляд на прошлое, настоящее и будущее искусственного интеллекта

Всего 10 лет назад едва ли какая-либо машина была способна надежно распознавать речь или изображения. Сегодня машины научились превосходить человека во многих задачах. В последние месяцы мы наблюдаем прогресс в возможностях ИИ, который впечатлил даже скептиков. Золотое десятилетие», как назвал его один исследователь. В 2023 году и далее мы увидим больше таких систем (особенно генеративных систем ИИ, таких как ChatGPT), которые будут дополнять или заменять нас, людей, во многих областях.

Каждый год появляются новые технологические достижения: блокчейн, 3D-печать, Web 3.0 и метавселенная. Так какой же будет технология 2023 года?

Искусственный интеллект (ИИ).  Хотя я активно занимаюсь этой технологией уже 10 лет, мы находимся в самом разгаре значительного скачка вперед в области искусственного интеллекта. Только за последние несколько месяцев мы увидели прогресс в возможностях ИИ, который впечатлил даже скептиков. Но сначала давайте сделаем несколько шагов назад и посмотрим на эволюцию ИИ за последнее десятилетие.

2012-2014 годы — зачатки распознавания изображений, понимания прочитанного и понимания языка.

Некоторые исследователи говорят, что 2012 год стал знаковым для глубокого обучения. Это был год, когда исследователи Google построили большую нейронную сеть из 16 000 процессоров с миллиардом связей для распознавания изображений и видео кошек. Это пример обучения с подкреплением, которое, наряду с контролируемым обучением и вероятностной индукцией программ, является одной из основ ИИ, добившихся большого успеха в последнее десятилетие. Распознавание изображений кошек может показаться небольшим достижением. Однако в то время машины только начинали использовать Deep Learning для распознавания изображений. В 2012 году распознавание изображений все еще находилось в зачаточном состоянии, и тесты, сравнивающие производительность ИИ и человека, показали, что производительность ИИ составляет около -40, что все еще ниже производительности человека (здесь нулевой базовый уровень). Помимо распознавания изображений, десять лет назад ИИ еще хуже человека справлялся с другими задачами, такими как понимание прочитанного и понимание языка. Хотя в 2013 году была изобретена система семантического машинного обучения NELL (Never-Ending Language Learning), ИИ по-прежнему не мог надежно выполнять задачи по обработке языка. Способность ИИ распознавать речь значительно улучшилась с изобретением Alexa в 2014 году, а до этого Siri от Apple позволяла пользователям управлять своими телефонами с помощью голоса. Однако способность ИИ понимать речь все еще уступала человеческой. В последующие годы ИИ достиг уровня понимания языка, превосходящего человеческий. Это произошло благодаря улучшениям в распознавании речи, прогрессу в обработке языка и соответствующих нейросетевых языковых моделях, а также в организации информации. Хотя системы ИИ все еще не могут составлять длинные и связные тексты, чат-боты, такие как «ChatGPT», демонстрируют огромный прогресс, достигнутый на сегодняшний день.

2015 — 2017 ИИ стал превосходить человека

2015 год стал годом, когда любому человеку было позволено создавать значимые модели ИИ. После того как в 2011 году собственная система искусственного интеллекта IBM «Watson» стала знаменитой благодаря победе над чемпионом Jeopardy! Кеном Дженнингсом, на рынке появилось несколько платформ машинного обучения с открытым исходным кодом (например, фреймворк глубокого обучения TensorFlow от Google). Это позволило компаниям и разработчикам по-новому работать с этой технологией. Кроме того, в этом году были достигнуты ключевые успехи в области распознавания лиц и изображений. В этом году также состоялось 10-е издание крупномасштабного конкурса по визуальному распознаванию ImageNet (ImageNet — это стандартизированная коллекция из миллионов фотографий, используемая для обучения и тестирования программ визуальной идентификации). В 2016 году технология Deep Reinforcement Learning — сочетание нейронных сетей и обучения с подкреплением — вызвала большой резонанс в сообществе ИИ, когда AlphaGo от Google обыграл лучшего в мире игрока в го. Кроме того, в 2017 году был представлен Transformer, который расширил использование моделей самоконтролируемого обучения в сочетании с глубокими нейронными сетями. Сегодня эти модели Transformer являются основным подходом для обработки естественного языка (NLP), включая такие приложения, как машинный перевод и веб-поиск Google.

2018 — 2019 Безопасность данных, обработка языка и ИИ в медицине

Из-за скандала с Cambridge Analytica 2018 год стал годом, когда тема безопасности данных достигла своего пика. В соответствии с этим, опрос McKinsey показал, что в 2018 году риск был одной из функций, в которых большинство респондентов видели ценность в ИИ. Кроме того, обработка голоса сделала большой скачок в развитии BERT в 2018 году. BERT — это пример нейросетевой языковой модели, которая изучает употребление слов, грамматику, значение и основные факты в различных контекстах. Связывая последовательности слов одновременно, а не нанизывая их слева направо, такие модели, как BERT, могут генерировать рефераты, которые практически неотличимы от текста, созданного человеком. Эти модели обработки языка имеют решающее значение для поддержки таких приложений, как чат-боты, и обеспечили огромный прогресс за последнее десятилетие. Кроме того, в 2019 году исследователи начали разработку системы ИИ, которая превосходит людей-рентгенологов в выявлении рака легких. Этого удалось достичь благодаря алгоритму глубокого обучения, который может интерпретировать снимки компьютерной томографии (КТ) для прогнозирования вероятности заболевания.

2020 — 2021 Быстрый прогресс ИИ в связи с пандемией.

В 2020 году развитие ИИ стимулировалось и ускорилось в связи с пандемией COVID 19. Искусственный интеллект сыграл важную роль в ускорении разработки вакцин, которая в обычных условиях заняла бы несколько десятилетий. Вместо этого процесс был значительно сокращен, поскольку ИИ помог исследователям проанализировать огромные объемы данных. О росте ИИ свидетельствуют глобальные корпоративные инвестиции в размере 68 миллиардов долларов, что на 40% больше в период с 2019 по 2020 год. Кроме того, количество патентных заявок, связанных с инновациями ИИ, только в 2021 году в 30 раз превысило количество заявок в 2015 году, что свидетельствует о стремительном прогрессе в развитии ИИ. В прошлом году исследовательское сообщество сосредоточилось в основном на применении ИИ к компьютерам. В этой области машины учат понимать изображения и другие визуальные материалы таким образом, чтобы они хорошо справлялись с классификацией изображений, распознаванием объектов, картированием положения и движения суставов человеческого тела и распознаванием лиц.

Сегодня невозможно представить нашу жизнь без искусственного интеллекта.

За последние десять лет искусственный интеллект (ИИ) пережил бурное развитие. Всего 10 лет назад едва ли какая-либо машина была способна надежно распознавать речь или изображения. Сегодня машины научились превосходить человека во многих задачах. Например, системы ИИ могут обнаружить мошеннические списания до того, как вы узнаете о потере карты, или проверить требования для выдачи кредита. ИИ распознает закономерности и оценивает варианты в нашей повседневной жизни. Какой пост в Instagram мне нравится и удерживает меня на платформе социальной сети, какая цена на Amazon побуждает меня к покупке и не хочу ли я оставить свои AirPods дома. В последние несколько месяцев особенно бурно развивается «генеративный ИИ» — системы, создающие новые возможности. Мы наблюдаем прогресс в возможностях ИИ, который впечатлил даже скептиков.

Фейерверк генеративного искусственного интеллекта

В течение нескольких месяцев были выпущены три различных ИИ, генерирующих изображения: Dall-E, Midjourney и Stable Diffusion. Вы вводите текст, и система генерирует изображение в течение нескольких секунд. Задайте запрос «астронавт верхом на лошади на Марсе», и ИИ начнет работу. Одно изображение Midjourney было помещено на обложку журнала Economist в июне 2022 года, а другое получило награду на ярмарке штата Колорадо. Знак того, что будет в 2023 году.

Для меня еще более захватывающими являются разработки в области ИИ, генерирующего текст. Американский стартап OpenAI создал всемирную шумиху благодаря своему чат-боту «ChatGPT». Этот чатбот имитирует нейронную сеть человеческого мозга. Бот может вести человекоподобные беседы и давать убедительные ответы даже на сложные технические вопросы и диалоги. Это важная веха для систем ИИ, поскольку обработка языка оказалась одной из самых сложных задач для ИИ в прошлом.

Все более широкое использование ИИ в компаниях

Отчет «State of AI» за этот год показывает, что прогресс в промышленности также ускоряется. В 2020 году в клинических испытаниях не было ни одного препарата, разработанного с использованием ИИ. Сегодня их уже 18. Система ИИ компании BioNTech успешно выявила множество вариантов ковида с высоким риском за несколько месяцев до того, как их обнаружила система отслеживания ВОЗ.

По данным McKinsey, с 2017 года использование ИИ увеличилось более чем в два раза. Автоматизация роботов и компьютерное зрение — это функции ИИ, которые наиболее широко используются каждый год. Кроме того, увеличились инвестиции в ИИ. Сегодня 52% респондентов говорят, что 5% их цифрового бюджета тратится на инвестиции в ИИ. В 2017 году эта доля респондентов все еще составляла 40%.

Однако использование ИИ по-прежнему сосредоточено на высокоэффективных ИИ. Это означает, что компании, которые были лидерами в области ИИ, продолжают наращивать свои конкурентные преимущества и сегодня. Эти лидеры в области ИИ в большей степени привержены «индустриализации ИИ» и связывают свою стратегию ИИ с основной деловой практикой. Причина, по которой эти компании продолжают демонстрировать превосходство, заключается в том, что они инвестируют больше и тратят больше средств по сравнению с отстающими в области ИИ, которые затем привлекают больше и лучше работающих (технических) специалистов.

Что принесет ИИ в будущем?

В 2023 году мы увидим больше таких систем, дополняющих или заменяющих нас, людей-творцов, во многих областях. В разработке находится создание видео, а также создание индивидуальных медиа. («Сири, покажи мне 90-минутный фильм о генеральном директоре, которая бросает свою карьеру, чтобы заработать состояние в качестве актрисы, в стиле Стивена Спилберга»).

Однако, несмотря на огромный прогресс и тот факт, что все больше и больше компаний используют ИИ, предстоит еще много исследований, прежде чем мы сможем создать полностью универсальные системы ИИ. В ближайшие несколько лет мы увидим дальнейшее развитие моделей самоконтролируемого обучения, непрерывного обучения и обобщения задач. Будущее применение языковых моделей с нейронными сетями типа BERT, например, может обеспечить взаимодействие людей на разных языках и в разных контекстах. Вероятно, мы получим более качественные данные по языкам, используемым меньшим количеством населения, и предвзятость в системах ИИ будет легче обнаружить и устранить. В результате мы также можем ожидать, что чат-боты ИИ, такие как «ChatGPT», станут более человекоподобными и будут чаще использоваться, например, в школах и университетах.

В ближайшие годы мы увидим более широкое использование распознавания лиц для контроля доступа и мер безопасности. Китай — один из самых ярких примеров, где правительство почти полностью внедрило технологию распознавания лиц в свое общество. Однако еще предстоит выяснить, последуют ли другие страны примеру Китая, поскольку повсеместное распространение ИИ в обществе, скорее всего, вызовет озабоченность вопросами конфиденциальности, наблюдения и этики.

Безусловно, в ближайшие годы использование ИИ и инвестиции в него будут продолжать расти. Как показывает исследование McKinsey, 63% респондентов заявили, что их инвестиции в ИИ увеличатся в ближайшие несколько лет, что положительно скажется на доходах и расходах. Ожидается, что к 2025 году глобальный доход от корпоративных приложений ИИ вырастет до уровня 31 млрд долларов США. Однако рост ИИ должен быть прозрачным и контролируемым, чтобы решить проблемы конфиденциальности и этики. Поэтому правительствам и компаниям необходимо уже сегодня создавать законы об ИИ, которые будут направлять развитие ИИ в будущем.

As the "Head of Data Strategy & Data Culture" at O2 Telefónica, Britta champions data-driven business transformation. She is also the founder of "dy.no," a platform dedicated to empowering change-makers in the corporate and business sectors. Before her current role, Britta established an Artificial Intelligence department at IBM, where she spearheaded the implementation of AI programs for various corporations. She is the author of "The Disruption DNA" (2021), a book that motivates individuals to take an active role in digital transformation.

Комментарии закрыты.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More