2017. aasta tehisintellekti teema on kujunenud üheks kõige köitvamaks aruteluks. IT-turu osaliste seas oli kommentaatoreid nii palju ning kommentaarid olid nii huvitavad ja üksikasjalikud, et CRN / RE 2017. aasta viimases numbris ei jõudnud me kõiki aruteluks pakutud küsimusi arutada. Täna räägime AI-lahenduste plussidest ja miinustest ning rakendamise raskustest.

Millised on tänapäeval "tehisintellektisüsteemideks" nimetatud lahenduste peamised eelised?

Projektijuht ST Smartmerch, System Technologies Group, Maksim Archipenkov Olen kindel, et "plussid tulenevad ootustest".

"Erinevalt inimestest ei oma närvivõrkudel emotsioone ja nad ei väsi," ütleb Arkhipenkov. - Inimfaktor ja kõik vead ja probleemid, mis on seotud inimese iseloomu ja tema madala töövõimega, on välistatud - masina osas muidugi. Närvivõrkudel ei ole jõudlusläve: kui inimene suudab ööpäevas näiteks 100 osa kvaliteeti kontrollida, siis süsteem kontrollib neid nii palju, kui serveri võimsused lubavad. Süsteemi on lihtsam skaleerida: samas tehases on 100 inimest kvaliteedikontrolliks ühte ruumi raske paigutada.

CDNvideo turundusdirektor Angelina Reshina usub ka, et tehisintellektisüsteemide peamised eelised on "andmetöötluse kiiruses, võime koolitada süsteemi ja säästa inimressursse."

Cezurity tegevjuht Aleksei Chaley rõhutab, et AI-põhised tooted on võimelised täitma ülesandeid kvalitatiivselt erineval tasemel: klassifitseerima pilte, tõlkima teksti, klassifitseerima faile jne,“ märgib Chaley.

"Praegu olemasolevate lahenduste peamisteks eelisteks on võimalus automatiseerida paljusid tegevusvaldkondi, minimeerides samas inimeste osalust selles ning laiendades valdkondi, kus on võimalik inimtöö asemel kasutada tarkvara," ütleb hostimisfirma King Servers asutaja. Vladimir Fomenko. - AI on hetkel eriti hea suurte andmemahtude analüüsimisel, kus inimesel kuluks liiga palju aega ning tavaprogrammid, mis masinõpet ei kasuta, ei suudaks vajalikku täpsust saavutada.“

Nõustun kolleegide ja ettevõtte infosüsteemide osakonna direktoriga ALP Group Svetlana Gatsakova:„AI-tehnoloogiate abil suureneb oluliselt suure infohulga töötlemise kiirus ja automatiseerituse tase – samal ajal paraneb kvaliteet ja valmistatavus. Õige suhtumise korral uutesse tehnoloogiatesse tõuseb andmete kasutamise terviklikkus, samuti juhtimisotsuste efektiivsus ja kvaliteet.

Hawk House Integrationi tegevjuhi sõnul Alexandra Ivleva,"AI-tehnoloogia sobib kõige paremini erinevate mehaaniliste tegevuste optimeerimiseks, rutiinsete toimingute automatiseerimiseks ja selle kasutamiseks ohtlikes tööstusharudes." “Robootika nõuetekohane kasutamine konveieriliinidel võimaldab lülituda non-stop-tööle, optimeerib ettevõtte kulusid, parandab toote kvaliteeti, kuid nõuab tõsist ja pikka kasutuselevõtu etappi,” ütleb Ivlev. - Mitte paljud ettevõtted ei saa endale lubada sellistesse tehnoloogiatesse suuri summasid investeerida, kuigi tulevikus võimaldab see tootmiskulusid oluliselt vähendada. Sarnane on olukord ka masinõppetehnoloogiatega: iga projekti puhul analüüsige suurt valimit andmeid, pealegi individuaalseid algoritme kasutades, mis nõuab aega ja ressursse. Aga pärast automatiseerimise kasutuselevõttu toimuvad need toimingud kiiremini ja odavamalt, kui inimene ise hakkama saab.

"Alustame sellest, et tehisintellekti süsteeme arendatakse tõhususe parandamiseks selle sõna kõige laiemas tähenduses," meenutab CROCi ärirakenduste direktor. Maksim Andrejev. - Uute ideede ja lähenemiste elluviimiseks peavad ettevõtted sageli arvestama tohutu hulga teguritega, mida tavainimene lihtsalt ei suuda meeles pidada. Tehisintellekti üks peamisi eeliseid on võime arvestada nii mitmekesiseid tegureid reaalajas. Lisaks ei saa algoritm erinevalt inimesest väsida ega mingit infot meelega muuta. See tähendab, et tehisintellekti juurutades minimeerib ettevõte nende tegurite põhjustatud vigade võimalust. Kuid sellel on ka varjukülg: inimene võib arvestada täiendavate detailidega, samas kui halvasti häälestatud algoritm töötab jätkuvalt valesti. Teine tehisintellektisüsteemide pluss on reprodutseeritavus. Võtke näiteks mis tahes äriprotsess ettevõttes, mille koolitamiseks kulub töötajal aasta. Seega, kui vajame 10 uut töötajat, kulutame nende koolitamisele 10 inimtööaastat. Algoritmide seisukohalt on kõik lihtsam ja lahenduse skaleerimise kulu palju väiksem.“

Auvixi AV-lahenduste arendamise ja juurutamise juht Aleksander Pivovarov usub, et kõige ilmsemad ja pealiskaudsemad plussid hõlmavad suuremat tõhusust, väiksemaid rutiinseid toiminguid ja suuremat kasutusmugavust. “Kui võtta näiteks selline üsna lihtne asi nagu koosolekuruumide broneerimise ja ajakava kuvamise süsteem, siis sellega hoolega tutvuma hakates näed palju võimalusi selle kasutamise efektiivsuse tõstmiseks, seisakute vähendamiseks ning nii edasi "tarkade algoritmide" abil, rõhutab Pivovarov.

"Digitaalse transformatsiooni, mille üks tööriistu on AI, põhiülesanne on panna protsessid käima kiiremini ja tõhusamalt, ettevõtted kulutavad vähem ja teenivad rohkem," ütleb ABBYY Venemaa tegevjuht. Dmitri Šuškin. - Näiteks üks meie klientidest pangandussektoris automatiseeris juriidilistele isikutele konto avamise dokumentide töötlemise. Nutikas süsteem ise tipib ja tunneb ära dokumendid, seejärel eraldab neist info ja laeb selle pangasüsteemi nõutavatele väljadele. Seetõttu kulub dokumentidest andmete sisestamiseks vähem kui 10 minutit, 2,5 korda kiiremini kui käsitsi. Pank arvutas, et 3 aastaga hoiab see dokumentide töötlemisel kokku üle 270 miljoni rubla.

Plantronicsi äriarendusjuhi sõnul Aleksei Bogatšov,„AI-süsteemide üks peamisi eeliseid on võimalus hankida uusi materjale, mis pole meile lihtsalt kättesaadavad. Kuna tavainimene teeb järeldusi ainult oma teadmiste põhjal, siis siit saame sügavama analüüsi, mis võib viia täiesti ootamatute järeldusteni. Nii saate teatud valdkonnas läbimurde."

"Inimene on harjunud pidama ennast evolutsiooni krooniks, kuid me seisame regulaarselt silmitsi piirangutega," ütleb FreshDoc.ru Document Constructori tegevjuht. Nikolai Patskov. - Näiteks hüperhelilennukid lendavad helikiirusest 10 korda suurema kiirusega, inimpiloot lihtsalt ei suuda sellist masinat ilma nutika elektroonika abita juhtida. Inimese reaktsioonist ja otsustuskiirusest sellisel kiirusel töötamiseks ei piisa. Tehisintellekt aitab meil neist piirangutest üle astuda. AI võimaldab inimestel kiiremini reageerida, kaitseb vigade tegemise eest, vabastab rutiinsetest toimingutest ja otsustest. Sellised süsteemid võivad tõhusalt asendada inimeksperti transpordi, prognoosimise, börsil kauplemise, nõustamise ja dokumentide koostamise alal. "Nutikate lahenduste" kasutamine mõjutab ka toote lõppmaksumust: lõppude lõpuks ei pea "robotid" palka maksma, nad ei jää haigeks ega lähe puhkusele ning nende efektiivsus ei vähene. . Näeme tohutut potentsiaali intelligentsete lahenduste väljatöötamises mitmesuguste ülesannete jaoks. Osalemine selle valdkonna arendamises võib võimaldada Venemaa IT-ettevõtjatel turgu pöörata ja inimarengu infolainel “sõita”.

Konica Minolta Business Solutions Venemaa äriarenduse ja turunduse direktori sõnul Zhamilya Kameneva kõik oleneb muidugi lahenduste klassist. Enamasti on need aga suunatud protsesside optimeerimisele ja automatiseerimisele, ressursside säästmisele – nii materiaalsele kui mittemateriaalsele, töö- ja isiklikule ajakulule. "Lihtsustatult öeldes on nende ülesanne meie elu lihtsamaks teha," resümeerib Kameneva.

"Esiteks võimaldavad sellised süsteemid paljastada, mis on inimmõistuse eest varjatud," ütleb Navicon International Business Development Director. Ilja Naroditski. - Olenemata sellest, kui head on inimese BI-tööriistad, on mõnel juhul masinõpe hädavajalik: näiteks kui teil on vaja töödelda 10 aasta jooksul 1 miljoni kliendi pangakontode toimingute statistikat. Juba praegu võimaldab masin otsides peidetud mustreid, mis inimesele silma ei paista, paljudel ettevõtetel koostada äristrateegiat ja luua juhtimisotsuste tugisüsteeme. Teiseks suurendavad tehisintellekti tehnoloogiad oluliselt igat tüüpi suhtlust tarbijatega. Uuenduslikud tehnoloogiad, mis suudavad mõista ja analüüsida teksti- ja häälsõnumeid, aitavad vähendada sissetulevate päringute töötlemisaega ja vastata klientide päringutele senisest kiiremini. Kolmandaks võivad sellised süsteemid vabastada ettevõtte töötajad rutiinsete toimingute tegemisest, mis tähendab nende aja vabastamist strateegiliselt oluliste küsimuste lahendamiseks. Rutiinsete ülesannete lahendamisele kuluvat aega saaks kasutada loominguliste probleemide lahendamiseks.

"Sellised süsteemid võimaldavad teil teha inimese eest otsuseid nendes valdkondades, kus see on lubatud," ütleb Atak Killer tegevjuht. Rustem Khairetdinov. “Kui varem tegid automatiseeritud süsteemid otsuseid vaid täpselt määratletud “kui-siis” stsenaariumite raames, siis tänased ja homsed süsteemid suudavad teha otsuseid ebamääraselt määratletud tingimustel ja ebapiisava informatsiooniga, mida varem sai teha vaid inimene. ”

Acronise arendusdirektor Sergei Ulasen märgib ka: tehisintellektisüsteemid lahendavad paljusid ülesandeid, mis varem nõudsid inimese kaasamist. Samas toimivad need sageli kiiremini ning on etteaimatava tulemuse ja töökvaliteediga.

"AI-tehnoloogiad tõesti töötavad ja aitavad parandada äriprotsesse, vabastades vähemalt osaliselt inimese intellekti loovuse rutiinist ja luues midagi uut," rõhutab Preferentum (IT Group) tegevjuht. Dmitri Romanov.– Majanduslikku mõju on neil lihtne hinnata. Suure hulga masinõppemeetodeid kasutavate süsteemide puhul on nende võime töö käigus "targemaks" saada kindel pluss.

Ettevõtte Vocord turundusdirektori sõnul Sergei Štšerbina, peamised eelised on see, et tehisintellekt teeb täpseid ennustusi "kaootiliste" faktide, halvasti struktureeritud, salastamata või mittetäieliku teabe põhjal. "Nendele tuginedes saavutame otsustamise täpsuse ja kiiruse põhimõtteliselt uue taseme, kus lihtsad lineaarsed reeglid ei tööta," jätkab Shcherbina. - Hiiglaslikud andmemassiivid täienevad pidevalt, kuid iseenesest ei suuda need probleeme lahendada, AI on just see, mida nende analüüsimiseks vaja läheb. Teame juba palju näiteid tehisintellekti edukast rakendamisest meditsiinis, globaalsete ja kohalike majanduslike ja sotsiaalsete protsesside analüüsimisel, insenertehniliste probleemide lahendamisel, investeerimisotsuste tegemisel ning turvasüsteemides. Tehisintellekti valdkonna uuendused võimaldavad automatiseerida põhimõtteliselt laiemat hulka äriprotsesse. Seega on videovalve ja turvalisuse valdkonnas esmakordselt võimalik garanteerida ilma operaatori osaluseta potentsiaalselt ohtlike intsidentide 24/7 avastamine, tagaotsitavate tuvastamine. AI edukatest rakendustest on juba palju näiteid.

Peamine pluss teenuse shikari.do kaasasutaja sõnul Vadim Šemarova, on see, et AI-süsteemid on treenitavad. “Näiteks kui tahame, et süsteem suudaks eristada inimeste sõnumeid, kus nad soovivad midagi osta, sõnumitest, kus nad tahavad midagi müüa, või määrata sõnumite teema, ei pea me koostama üksikasjalikku sõnade loendit ja fraasid, mis väljendavad kavatsusi. , meeleolu, teema jne. Valime välja palju näidistekste vajalikel teemadel, “koolitame” süsteemi nende näidete järgi välja ja siis hakkab ta ise mõistma võõraste tekstide olemust,” räägib Šemarov.

Robootika ja tehisintellekti reguleerimise uurimiskeskuse juht, Dentonsi vanemteadlane Andrei Neznamov usub ka, et õppimisvõimalust (juhendatud õppimine või enesetäiendamine) võib nimetada tehnoloogiate peamiseks plussiks, mida tavaliselt nimetatakse tehisintellektiks.

Millised on raskused nende süsteemide rakendamisel?

Lühidalt kokku võttes on tehisintellekti tehnoloogiate peamised eelised IT-turu ekspertide hinnangul tootlikkuse, automatiseerimise, efektiivsuse, analüüsi, õppimise, otsuste tegemise, prognoositavuse ja õppimise uuele tasemele jõudmine. Kuna tegemist on aga uue suunaga, näevad eksperdid veelgi rohkem raskusi kui eeliseid. Piisab, kui öelda, et peaaegu iga esineja nimetas oma raskust.

«See on täiesti uus ala. Iga praegu lahendatav ülesanne on RnD puhtal kujul: tuleb defineerida, süstematiseerida, lahendus välja mõelda, see lahendus ellu viia ja ellu viia, – rõhutab Maxim Arkhipenkov. "Tegemist on loomingulise protsessiga, mis nõuab kõrget teaduse taset ja kõrget asjatundlikkust nii otseselt selle lahenduse rakendusvaldkonnas – olgu selleks siis FMCG, kosmose, meditsiini või närvivõrgusüsteemide juurutamise alal."

Aleksander Pivovarovi sõnul on raskuseks "tasakaalu leidmine hüppe ja tegeliku kasulikkuse vahel, nende tehnoloogiate tarbijale nähtamatuks muutmise raskus ja vigade puudumine nende töös".

Dmitri Karbasov usub, et "nende projektide põhiraskus on seotud tulemuse ettearvamatusega." „Ütleme nii, et CRM-süsteemi ostes saab klient selgelt aru, mis funktsionaalsust süsteem talle pakub ja kuidas ta seda funktsiooni kasutama hakkab,“ ütleb Karbasov. - Need on protsessid, andmesisestusvormid, aruandlus jne. AI-süsteemi juurutamisel on ilma projekti ellu viimata tulemust väga raske ennustada, tehnoloogiate ja algoritmide avalikustamine ei ütle matemaatilise hariduseta inimesele praktiliselt midagi ning praktilise kogemusega ning klientide hulgas on sellise taustaga tippjuhte vähe. Abiks on pilootprojektide elluviimine, mille metoodikat oleme silunud ja mida kasutame 99% projektidest.”

"Kindlasti on palju raskusi," mõtiskleb Maxim Andreev. - Peamine on võib-olla tehisintellekti treenimiseks piisavalt suurte andmekogude puudumine. Selleks on vaja ajaloolisi andmeid. Selgitan, mida ma mõtlen: ühele suurele ettevõttele tegime veoteenuste müügiprognoosi - ennustasime veose kaalu ja veo suuna. Head prognoosi täpsust ei õnnestunud meil kuidagi saavutada, hakkasime nuputama, milles asi ja saime teada, et ajaloolistes andmetes, mis ettevõttes talletati, oli kuskil kaalu koos pakendiga, kuskil ilma. Samas pole lihtsalt ühtegi märki, mille järgi seda tegurit oleks võimalik jälgida. See tähendab, et kunagi varem see teave ei mänginud rolli, kuid nüüd on kõik muutunud. Seetõttu on nii oluline koguda kõik andmed, mida saab nõudmisel koguda. Andmete kogumise ja töötlemise tehnoloogiad arenevad pidevalt ning ettevõtted saavad juba praegu juurutada Data Lake’i tehnoloogiaid, millest on saamas suurepärane platvorm tehisintellekti treenimisel. Teine raskus on see, et algoritmid ise on endiselt üsna väikesed. Seetõttu on enne ettevõtte tutvustamist vaja läbi viia uuringud. See võimaldab meil teada saada, kas konkreetsetel tingimustel, konkreetsetel andmetel ja konkreetsete äriprotsesside jaoks on võimalik ehitada tehisintellekti, mille kulud ei ületaks väärtust, mida see ettevõttele annab.

Anna Plemjašova arvates on peamiseks probleemiks andmete täielik puudumine või ebapiisav täpsete mudelite koostamiseks. “Tööstusettevõtetele, kus sellised lahendused nõuavad olulisi investeeringuid taristusse, on see viivitatud majanduslik efekt: esmalt tuleb hakata andmeid koguma ja koguma ning seejärel saab liikuda intelligentseid süsteeme kasutavate lahenduste juurde. BI üleminekulahendused ja reaalajas andmete visualiseerimine võimaldavad tuua majanduslikku kasu lähemale, ütleb Plemjašova. - Teiseks raskuseks on vajadus intelligentsete süsteemide juurutamisel äriprotsesse ümber korraldada. See tähendab, et ei piisa sellest, kui ostate sellise lahenduse ja asetate selle nagu lille vaasi või aplikatsiooni arvutisse. See otsus on vaja muuta äriprotsessile sõbralikuks: luua, ümber seadistada või isegi tühistada mõni toiming, koolitada inimesi ümber, optimeerida personali.

"Need süsteemid põhinevad andmetel ja suurtel andmetel," meenutab Sergei Ulasen. - Mudelite koolitamiseks on vaja olulisi arvutusressursse ja suurandmete salvestamiseks on vaja sobivat infrastruktuuri. Seetõttu nõuab AI-süsteemide juurutamine märkimisväärseid investeeringuid riistvarasse.
Andmete kogumine ja ettevalmistamine nõuab omakorda suuri organisatsioonilisi jõupingutusi ning sageli ka uue tarkvara väljatöötamist, mis aitab andmeanalüüsi teha.

Svetlana Gatsakova usub, et raskused seisnevad eelkõige "ebapiisavas tähelepanus iga konkreetse tehisintellekti tehnoloogia rakendatavuse piiridele, lõksudele". Ja ka "tulemuste nõrgas tõlgendatavuses (lõppude lõpuks ei seleta närvivõrk oma järeldusi), raskustes homogeensete andmekogumite moodustamisel koolituse ja mudelite testimise jaoks." Teine raskus on "pime usk andmetesse ja tähelepanu puudumine juhi intuitsioonile ja teguritele, mida on raske mõõta ja DDM* protsessidesse integreerida". Selle peale on Gatsakova sõnul "Vene organisatsioonidele omased keerukused". „Selleks on organisatsiooni välismaailma kohta usaldusväärsete andmete vähene kättesaadavus ja sellest tulenev oht isoleerida siseinfost ehk muutuda omamoodi autistlikuks organisatsiooniks. Lisaks on see väike (võrreldes Lääne juhtivate ettevõtetega) DDM-kultuuri tungimine, mis piirdub peamiselt Lääne ärikoolide lõpetajatega.

"AI aitab automatiseerida paljusid protsesse ja asendada madala kvalifikatsiooniga töötajaid, kuid samal ajal nõuab see kontrolli arendajatelt, kelle töökulud on loomulikult suuremad," ütleb Angelina Reshina. "Süsteemi õppimist tuleb kontrollida nii, et see ei ületaks vastuvõetavaid piire."

Sergei Štšerbina sõnul on raskusteks vananenud seadmed ja nõrk infrastruktuur, pärand riist- ja tarkvaraplatvormid, mida majanduslikult rasketel aegadel ja piiratud eelarvega muuta julgevad vähesed. "Mõju avaldab ka inimfaktor," rõhutab Shcherbina. - Siin on kvalifitseeritud personali puudus ja ebapiisav kompetentsus ehk juhtide konservatiivsus. Pealegi ei saa kõik aru, miks seda vaja on ja milleks moderniseerimisele raha kulutada, kui "vanamoodi" tundub nagunii kõik toimivat.

"AI-süsteemide ehitamise raskuste hulgas tuleb ennekõike märkida töötajate nappust," märgib Andrei Sykulev. - Spetsialistid on väga vähe, sest siin on nõudmised ülikõrged: lisaks programmeerimisoskusele peab valdama üsna keerukat matemaatilist aparaati ning omama teadmisi ja kogemusi ainevaldkondades. Üsna sageli on "showstopper" andmete halb kvaliteet ja infrastruktuuri puudumine nende integreerimiseks. Teine oluline teema on andmeturve, sest tehisintellekti tööks koondatud andmed võivad saada rünnaku sihtmärgiks või neid kasutatakse pehmelt öeldes muudel eesmärkidel.

Aleksei Bogatšov usub ka, et üks peamisi raskusi on personal. "Nagu kõige uuega, on küsimus selles, kuidas sellega töötada. Kuna iga tehnoloogia rakendamine nõuab kvalifitseeritud spetsialiste ja see on väga noor suund, on seetõttu üsna raske leida inimesi, kes sellest aru saaksid.

Personaliprobleemil on ka teine ​​pool. "Peamine raskus seisneb selles, et paljud ettevõtete tippjuhid ei mõista, mis on tehisintellekt ja mis on selle praktiline rakendamine," meenutab Dmitri Karbasov. - Jah, peaaegu kõik on AI-st kuulnud, kõik teavad, et AI aitab optimeerida äriprotsesse, vähendada kulusid, muuta teatud funktsioone efektiivsemaks (logistika, tarbijakäitumise analüüs, tootmiskoormuse ja müügimahtude prognoosimine jne). Kuid vähesed kliendid mõistavad, et tehisintellekti toimimiseks nii nagu peab, on vaja sõnastada äriülesanne ja selle ärilise edu kriteeriumid. Teisisõnu peab klient aru saama, milliseid parameetreid tehisintellekti süsteemi analüüsimiseks juhendada ja kuidas saadud andmetega juhtimisotsuste tegemise seisukohast suhtuda.

"Selliste lahenduste rakendamisel võib peamise raskusena välja tuua kaks tegurit: inimlikud ja tehnoloogilised," ütleb Nikolai Patskov. - Esimene on probleem vähese arvu ekspertidega, kes suudavad tehisintellektisüsteemidega suhelda. See probleem on järk-järgult lahendatud, turg mõistab selliste spetsialistide väärtust ja üha enam töötajaid omandavad arenevale turule vajalikud oskused. Tehnoloogilise teguri põhjuseks võib pidada arvutusvõimsuse puudumist: nüüd töötame taas välja ideid, mida suudame ellu viia alles võimsamate masinate tulekuga. Kuid arvestades prognoositavat tootlikkuse kasvu (kasv 1000 korda järgmise 10 aasta jooksul), usume, et tehnoloogiate evolutsiooniline areng vähemalt ei aeglustu.

Aleksey Chaley sõnul on kolm peamist raskust: „Esimene on inimesed . Maailmas on väga vähe inimesi, kes on võimelised töötama piirialadel, kes samal ajal mõistavad ainevaldkonda (meie puhul viiruseanalüüsi), on hästi kursis matemaatikas, statistikas ja masinõppes ning oskavad ka vähemalt natukene programmeerida. Teine on andmed koolituse jaoks . Need andmed tuleb kuskilt võtta ja siis märgistada. Andmeid on väga raske hankida. Muide, seetõttu on AI arendamise edenemine takistatud, kuna teadlastel pole võimalust mudelitega katsetada. Ei piisa ainult andekast analüütikuks ja programmeerijaks olemisest – ilma andmeteta on AI valdkonnas võimatu midagi luua. Ja kolmas on infrastruktuuri maksumus. Esialgne investeering infrastruktuuri võib olla üsna märkimisväärne.

"Selleks, et tehisintellekt saaks äriprobleeme hästi lahendada, tuleb tehnoloogiat "kohandada", usub Dmitri Shushkin. - Iga masinat, nagu ka inimest, tuleb täpsete otsuste tegemiseks koolitada tegelike andmete põhjal. Sellise süsteemi õpetamiseks tuleb esmalt koguda või sünteesida suur hulk hästi märgistatud andmeid – näiteks infot rahanduse, tootmise, klienditeeninduse jms kohta. Suures ettevõttes on selliseid andmeid lihtsam ette valmistada ja koguda, kuna paljud ettevõtted kasutavad juba erinevat tüüpi dokumentatsioonist voogesituse andmesisestussüsteeme, see ettevõtteteave on sujuvam ja struktureeritud. Selliste massiivide loomine keskmistes ja väikestes ettevõtetes on endiselt vähem juurdepääsetav.

Zhamilya Kameneva nimetab üheks peamiseks raskuseks selliste lahenduste kõrget hinda, projektide pikkust ja pikka investeeringutasuvust (minimaalselt 2-5 aastat). "Teiseks, nagu iga uus tööriist, on nende tehnoloogiate tarbijatele turu loomiseks vaja pikka ja vaevarikast tööd," jätkab Kameneva. "Lisaks tahaksin märkida kõrgelt kvalifitseeritud töötajate puudust turul - meie riigis tegeleb tehisintellektisüsteemidega valdav enamus välismaistest müüjatest ja vaid vähesed teadusasutused."

Dmitri Romanovi sõnul on peamine raskus üllatuslikult psühholoogiline: «Inimesed on harjunud arvutilt absoluutset täpsust ootama. AI-süsteemidel on tõenäosuslik väljund. Nad võivad teha vigu, anda valesid vastuseid ja selles on nad nagu inimene. Kasutajad kipuvad mõnikord nutitehnoloogia võimsust üle hindama.

Vladimir Fomenko on kindel, et mõne aasta pärast, niipea kui see tehnoloogia lakkab olemast uus ja muutub arusaadavamaks, pole selle rakendamisel enam suuri raskusi. "Seal on süsteeme või programme, mis võivad luua AI süsteeme või programme."

Kuid Rustem Khairetdinov usub, et rakendamisel pole raskusi - "nii matemaatiline aparaat kui ka tarkvaras rakendatud algoritmid ja arvutusvõimsus on tänapäeval saadaval peaaegu "kastist väljas" või "pilvest". «Raskus seisneb pigem probleemi sõnastamises, analüüsimudeli konstrueerimises. Varsti seisame silmitsi tõsiasjaga, et puhtad matemaatikud, nagu neid praegu kutsutakse andmeteadlasteks, on vähem nõutud kui muude valdkondade spetsialistid (arstid, tehnoloogid, turvatöötajad, keeleteadlased jne), kes tunnevad masinate ja “ sügav” õppimine. , - rõhutab Khairetdinov.

* DDM (inglise keeles Digital Diagnostics Monitoring) - SFP transiiveri (nagu ka SFP + ja XFP) jõudlusparameetrite digitaalse juhtimise funktsioon. Võimaldab teil reaalajas jälgida selliseid parameetreid nagu pinge, mooduli temperatuur, eelpingevool ja laseri võimsus (TX), vastuvõetud signaali tase (RX).

See artikkel on pühendatud tehisintellektile, märgime kohe, et räägime ka robootikast, kuna tulevikumaailmas on nende kahe mõiste eraldamine vähemalt kummaline.

Arvamused tehisintellekti kohta on väga erinevad. Ja kuigi üldiselt arvatakse, et see toob meile kindla surma, ei lakka sajad teadlased üle maailma püüdmast seda leiutada. Nagu poleks terminaator meile midagi õpetanud.

Noh, kuigi rauatükid pole meid vallutanud, proovime välja mõelda, millised on tehisintellekti plussid ja miinused.

Tehisintellekti miinused

• Esimene miinus on kokkupõrked. Paljusid keerulisi ülesandeid tehisintellektile üle andes ei tohiks unustada, et iga masin võib üles öelda. Väike valearvestus võib tekitada tohutul hulgal järjestikuseid probleeme. See võib põhjustada ka oluliste andmete kadumist, mida masin peab töötlema. Lõppude lõpuks juhib see enamikku toiminguid ja andmebaase.

• Teine puudus on vastasseis. Loogiliste protsesside pidev täiustamine võib ka tehisintellekti inimkonnast eraldada. Isegi ühe riigi agressiivne mõjutamine tema enda huvides võib põhjustada ohtlikke ja ettearvamatuid tagajärgi. Mis saab siis, kui globaalne kaasaegne masin hakkab tegutsema enda huvides? Niipea kui tehisintellekt otsustab, et inimene on oht või takistus, muutub inimeste väljasuremine vaid aja küsimuseks. Kõigi tööstusharude ja seadmete kontroll seab inimese potentsiaalse ohu ette.

• Kolmas puudus on asendamine. Kuna tehisintellekt hakkab erinevates valdkondades inimesi asendama, jääb järjest rohkem inimesi tööta. Tehase tootmine, töötamise alus tohutul hulgal kohtadel ja see pole piir. Inimtöö asendamise astet robotintelligentsiga on endiselt raske ette kujutada, kuid tõenäoliselt ei ole tagajärjed tavainimeste kasuks. Ja isegi kui kõik võidavad, võib õndsa eksistentsi õnnis tegevusetus olla veelgi kahjulikum.

Tehisintellekti eelised

• Esimene eelis on õppimine. Tehisintellekt sobib kõige paremini erinevateks mehaanilisteks tegevusteks. Kosmose, ookeani sügavuste või maa tuuma ohutu uurimine ei sobi ei inimestele ega tavapärastele masinatele. Intelligentsus suudab omakorda kohaneda olukorraga, ilma et see ohustaks tervist. Igasugused katsed ja katsed tehisintellekti abil toimuvad palju kiiremini ja odavamalt, kui inimene seda teha suudab.

• Teine pluss on töö. Nüüd pole maailmas ükski tootmine täielikult automaatne, kuna masin ei suuda oma tegevuse tulemust hinnata. Tehismõistus ei saa mitte ainult hõlpsalt hallata sadu tehaseid üle maailma, ilma samal ajal peatumata ja hingetõmbeaega, vaid ka kontrollida kvaliteedihinnangut. See vähendab oluliselt tootmiskulusid. Samuti on võimalik asutada töid ohtlikes ja ohtlikes rajatistes, kus on suur suremuse ja vigastuste oht.

Niisiis, miinuseid on rohkem. Lõppude lõpuks teeb tehisintellekt ka praegu meid mõnikord males või partiides. Kuid meil on alati võimalus kätte maksta. ja kui me ühendame kogu maailma, siis seda võimalust pole.

ABBYY asutaja ja direktorite nõukogu esimees David Yang nimetas 2017. aastat tehisintellekti tehnoloogiate arengu pöördepunktiks. Tema hinnangul on Google AlphaGo projekt näidanud fantastilisi võimalusi tehisintellekti õppimiseks – intuitsioonil põhineva mängu võitmine tõestab, et sügavate närvivõrkude abil on võimalik modelleerida analooge inimeses toimuvatest raskesti mõistetavatest protsessidest. aju.

Google'i ja selle tervishoiu tütarettevõtte Verily Life Sciences teadlased on välja töötanud uue viisi, kuidas hinnata inimese südamehaiguste riski närvivõrkude abil.

Spetsiaalne programm analüüsib patsiendi silma tagaosa skaneeringut ja koostab nende andmete põhjal uskumatult täpse tervisliku seisundi kirjelduse. Näiteks määrab see inimese vanuse, vererõhu või isegi selle, kas inimene on suitsetaja. Kuid peamine on see, et nende andmete põhjal saab ennustada südameinfarkti ja muid südamehaigusi.

Rosobrnadzori juht Sergei Kravtsov rääkis konverentsil "Lõpetaja 2030 tulevikupilt ja pädevus" sellest, kuidas muutub ühtne riigieksam 2030. aastaks.

Aastaks 2030 hakatakse arvuteid ja võrke üha laiemalt kasutama, sealhulgas hariduses. Eeldatakse, et selleks ajaks asendab õpetajaid eksamineerijatena tehisintellekt. Samal ajal kujundatakse ülesanded igale lõpetajale individuaalselt ja mitte ette, vaid otse eksamiruumis.

Oxfordi, Cambridge'i ja Yale'i ülikoolide ekspertide sõnul saavad häkkerid tehisintellekti kasutada autoõnnetuste tekitamiseks, aga ka kaubanduslike droonide relvadeks muutmisel.

Sellised stsenaariumid on ekspertide hinnangul täis ohtu rahvusvahelisele julgeolekule, kuna võivad viia väga tõhusate sihitud rünnakuteni.

Tatarstani Vabariigi kommunikatsiooniministeerium ja Tatarstani tervishoiuministeerium otsustasid ellu viia kopsuvähi aruka röntgenituvastuse tehnoloogia pilootprojekti.

Süsteem on loodud tehisintellekti tehnoloogia baasil, see analüüsib ja tunneb ära kompuutertomograafia pilte. Osakonna hinnangul parandab see diagnostika kvaliteeti ja võimaldab kiiresti avastada onkoloogilisi haigusi varajases staadiumis. Teatatakse, et sel juhul ei ole vaja kulutada täiendavaid uuringuid kompuutertomograafiaseadmetega.

IBM ja Unity on teatanud partnerlusest ja IBM Watson Unity SDK käivitamisest, tehisintellekti mängudesse toomiseks.

IBM Watson on kognitiivne süsteem, mis suudab kõnest aru saada, järeldusi teha ja õppida. Watsoniga saavad arendajad nüüd lisada tehisintellekti elemente Unity mootori jõul töötavatele mängudele.

Näitena esitasid arendajad mängu, mis tunneb ära häälkäsklused. Kasutaja hääldab teatud fraasi, programm töötleb seda ja mõistab, et mängija vajab abi.

RoadBotics on välja töötanud pilvepõhise AI-platvormi, mis töötab nutitelefonide kaameratega, et jäädvustada pidevalt teekvaliteeti, kui juhid reisivad üle USA.

Süvaõppe tehnoloogia loodi selleks, et tuvastada teedel erinevaid normist kõrvalekaldeid, mille tuvastavad kogenud, eriväljaõppe saanud kontrollerid. Neid andmeid kasutatakse seejärel dünaamilise kaardi koostamiseks, et ametnikud saaksid peaaegu reaalajas aru saada oma maanteede, tänavate, jalgrattateede ja sildade olekust.

Tulevased sõjad peetakse tehisintellektisüsteemidega, mida saab kasutada surmava relvana, ütlesid Euroopa praegused ja endised liidrid Müncheni julgeolekukonverentsil. Samas tõdesid nad, et NATO-sse kuuluvad riigid pole sündmuste selliseks arenguks valmis.

Tehaste ja masinate automatiseerimise suundumus on olnud juba pikka aega. Peale mõne eriotstarbe ei mõtle enam keegi tavapärase treipingi poltide tegemisele, kus treial peab jälgima lõikuri liikumist ja seda käsitsi reguleerima. Praegu on poltide tootmine suurtes kogustes ilma tõsise inimese sekkumiseta tavalise kruvilõikamismasina tavaline ülesanne. Kuigi see masin ei kasuta spetsiaalselt tagasisideprotsessi ega vaakumtoru, saavutab see masin peaaegu samad eesmärgid. Tagasiside ja vaakumtoru võimaldasid mitte eraldiseisvate automaatsete mehhanismide juhuslikku ehitamist, vaid kõige erinevamat tüüpi automaatsete mehhanismide loomise üldist poliitikat. Selle probleemi lahendamisel tugevdas selliste seadmete põhimõtteid meie kommunikatsiooni teoreetiline uuring, mis võtab täielikult arvesse masina ja masina vahelise suhtluse võimalusi. Just see asjaolude kokkulangemine teebki tänapäeval võimalikuks automatiseerimise uue ajastu.

Praegu olemasolev tööstustehnoloogia hõlmab kõiki esimese tööstusrevolutsiooni tulemusi koos paljude leiutistega, mida me praegu peame teise tööstusrevolutsiooni eelkäijateks. Millised võivad olla nende kahe revolutsiooni täpsed piirid, on veel vara öelda. Vaakumtoru kuulub oma potentsiaalilt kindlasti energiaajastust erinevasse tööstusrevolutsiooni; ja ometi alles praegu mõistetakse vaakumtoru leiutise tõelist tähendust piisavalt, et asetada käesolev sajand uude, teise tööstusrevolutsiooni.

Maalime pildi täiuslikumast ajastust – automatiseerimise ajastust. Mõelge näiteks sellele, milline hakkab välja nägema tuleviku autotehas ja eriti konveieri, mis on autotehase kõige rohkem inimtööjõudu kasutav osa, toimingute järjekorda hakkab juhtima seade nagu kaasaegne kiire arvuti. Kogu matemaatika on võimalik taandada rea ​​puhtalt loogiliste ülesannete täitmiseks. Kui selline matemaatikatükk kehastub masinas, siis on see masin tavalises mõttes arvutusseade. Kuid selline arvuti suudab lisaks tavaliste matemaatikaülesannete lahendamisele lahendada ka loogilise probleemi, mis seisneb kanalite kaudu mitmete matemaatiliste toimingute korralduste levitamises. Seetõttu sisaldab selline seade, nagu tänapäevased kiired arvutid, vähemalt ühte suurt sõlme, mis on mõeldud puhtalt loogiliste toimingute tegemiseks.

Juhised sellisele masinale - räägin siin ka praegusest praktikast - annab seade, mida me nimetame programmeerimispooliks. Masinale antud korraldusi saab talle saata programmimähis, mille juhendamise iseloom ja ulatus on täielikult ette määratud. Samuti on võimalik, et tegelikud juhused, millega masin oma ülesannete täitmisel kokku puutub, võivad kanduda edasise reguleerimise aluseks uuele masina enda loodud juhtlindile või vana juhtlindi modifikatsioonile.

Võib arvata, et arvutusmasinate kõrge hind välistab praegu nende kasutamise tööstuslikes protsessides ning pealegi, et nende konstruktsioonis nõutav töötundlikkus ja funktsioonide varieeruvus välistavad nende masinate valmistamisel masstootmismeetodid. Ükski neist väidetest pole õige. Esiteks maksavad praegu väga keeruliseks matemaatiliseks tööks kasutatavad tohutud arvutid umbes sadu tuhandeid dollareid. Tõeliselt suure tehase juhtmasina jaoks poleks seegi hind kättesaamatu, aga see on siiski liiga kallis.

Kaasaegsed arvutusmasinad arenevad nii kiiresti, et peaaegu iga disainitud masin on uus mudel. Teisisõnu, enamik neist näiliselt üüratutest kuludest läheb uute projekteerimistööde ja uute osade tootmiseks, mis nõuavad väga kõrgelt kvalifitseeritud tööjõudu ja kõige kallimaid tingimusi. Kui seetõttu fikseeritaks ühe sellise arvuti hind ja mudel ning kui seda mudelit kasutaksid kümned, siis on väga kaheldav, et selle hind oleks suurem kui kümnete tuhandete dollarite suurusjärk. Selline väiksem masin, mis ei sobi kõige keerulisemate arvutusülesannete lahendamiseks, kuid tehase juhtimiseks sellegipoolest sobib, ei maksaks mistahes mõõdukamahulise tootmise puhul ilmselt rohkem kui paar tuhat dollarit.

Mõelge nüüd arvutite masstootmise probleemile. Kui masstootmiseks oleks ainsaks soodsaks võimaluseks standardmasinate masstootmine, siis on täiesti selge, et arvestatava perioodi jooksul on parim, mida võiks loota mõõdukas mahus tootmine. Kuid igas masinas korratakse detaile enamasti üsna sageli. See kehtib võrdselt nii salvestusseadme, loogikaseadme kui ka aritmeetilise üksuse kohta. Seega on vaid mõnekümne masina tootmine potentsiaalselt osade masstootmine ja sellel on masstootmise majanduslikud eelised.

Siiski tundub, et masina tundlikkus peaks tähendama vajadust luua iga töö jaoks uus spetsiaalne mudel. See on samuti vale. Isegi kui masina matemaatiliste ja loogiliste sõlmede jaoks nõutavad matemaatiliste ja loogiliste toimingute tüübid on ligikaudu sarnased, reguleerib masina üldist ülesannete täitmist programmimähis või vähemalt algne programmipool. Sellise masina programmmähise valmistamine on kõrgelt kvalifitseeritud spetsialisti jaoks väga raske ülesanne; see on aga töö, mis tehakse lõplikult ära ja kui masinat uue tööstuspaigaldise tarbeks muuta, tuleb seda vaid osaliselt korrata. Seega jaotatakse sellise kvalifitseeritud tehniku ​​kulud suurele toodangule ja see ei ole tegelikult tegur masina kasutamisel.

Arvutusseade on automaatse tehase keskus, kuid see ei esinda kunagi kogu tehast. Teisest küljest saab see üksikasjalikud juhised elementidelt, mis on oma olemuselt meeleelundid, nagu fotoelemendid, paberirullide paksuse määramise kondensaatorid, termomeetrid, vesiniku kontsentratsioonimõõturid ja praegu loodud üldist tüüpi aparaadid. instrumentide valmistajad, tootmisprotsesside käsitsi juhtimise ettevõtted. Need seadmed on juba paigutatud nii, et need edastavad elektri abil indikatsioone üksikutele postidele. Et need seadmed saaksid oma infot automaatsele kiirele arvutile edastada, on vaja vaid lugemisseadet, mis teisendab asukoha või skaala seerianumbriteks. Selline seade on juba olemas ja ei tekita suuri raskusi ei põhimõtteliselt ega konstruktsioonidetailidelt. Meeleelundi probleem ei ole uus ja see on juba tõhusalt lahendatud.

Juhtimissüsteem peab lisaks nendele meeleorganitele sisaldama ka välismaailma mõjutavaid efektoreid või komponente. Mõned nende efektorite tüübid on meile juba tuttavad, näiteks juhtventiilidega mootorid, elektrilised sidurid jne. Inimkäe funktsioonide täpsemaks reprodutseerimiseks, millele lisanduvad inimsilma funktsioonid, peavad mõned neist efektoritest siiski leiutada. Autoraamide töötlemisel on täiesti võimalik jätta võrdluspunktideks metallkonsoolidele siletöödeldud pinnad. Näiteks valguspunktide toitega fotoelektriline mehhanism võib tuua nende pindade vahetusse lähedusse tööriista – olgu selleks puur, neetimishaamer või mis tahes tööriist, mida vajame. Asendi lõplik fikseerimine võib tööriista kinnitada võrdluspindade vastu ja seega luua tiheda kontakti, kuid mitte nii tihedalt, et need pindu puruneksid. See on vaid üks viis töö tegemiseks. Iga kvalifitseeritud insener võib välja pakkuda veel kümmekond.

Loomulikult eeldame, et meeleorganitena toimivad instrumendid ei registreeri mitte ainult töö algseisu, vaid ka kõigi eelnevate protsesside tulemust. Seega saab masin teha tagasisideoperatsioone: kas lihtsat tüüpi täielikult valdatud tehteid või keerukamaid tuvastamisprotsesse hõlmavaid tehteid, mida reguleerib selline keskjuhtimine nagu loogiline või matemaatiline seade. Teisisõnu, kõikehõlmav juhtimisseade vastab loomale kui tervikule koos meeleelundite, efektorite ja proprioretseptoritega, mitte aga eraldatud ajule, mille tõhusus ja praktilised teadmised sõltuvad meie sekkumisest, nagu näiteks ülikiire arvuti.

Nende uute seadmete tööstuses kasutuselevõtu kiirus on tööstusharudes väga erinev. Ligikaudu samu funktsioone täitvaid automatiseeritud masinaid kasutatakse juba laialdaselt pidevate protsessidega tööstusharudes, näiteks konservivabrikutes, terasetehastes ning eriti traadi- ja plekitehastes. Neid teatakse ka paberivabrikutes, mis töötavad samuti rivis. Teine valdkond, kus vajatakse automaate, on seda tüüpi tehased, kus tootmine on liiga ohtlik, et märkimisväärne hulk töötajaid võiks seda käitades oma eluga riskida ning kus õnnetus võib olla nii tõsine ja kulukas, et selle võimalikkust tuleb ette näha ette, ja seda ei jäeta mõne õnnetuskohal viibiva inimese kiire otsustada. Kui käitumisjoont on võimalik eelnevalt läbi mõelda, siis saab selle rakendada programmilindile, mis juhib käitumist vastavalt seadme näitudele. Teisisõnu peavad sellised tehased töötama režiimis, mis on üsna sarnane raudtee kontrollpunkti pöörmete blokeerimise ja töörežiimiga. Selline režiim on juba kehtestatud rafineerimistehastes, paljudes teistes keemiatehastes ja aatomienergia töös esinevate ohtlike materjalide käitlemisel.

Oleme juba maininud montaažiliini kui sellise tehnika rakendusala. Koosteliinil, nagu keemiatehases või pidevate protsessidega paberivabrikus, on vaja läbi viia teatud statistiline kontroll toote kvaliteedi üle. See kontroll sõltub testimisprotsessist. Teadlased on nüüd need proovivõtuprotsessid välja töötanud, töötades välja meetodid, mida nimetatakse järjestikuseks analüüsiks, kus proovide võtmist ei toimu enam tervikuna, vaid see on pidev protsess, mis toimub koos tootmisega. Järelikult neid protsesse, mida saab läbi viia nii standardiseeritud tehnikaga, et selle saab üle kanda statistikule, kes ei mõista selle taga peituvat loogikat, saab läbi viia ka arvuti abil. Teisisõnu, kui kõrgemad töötasemed välja arvata, suudab masin hoolitseda nii igapäevase statistilise kontrolli kui ka tootmisprotsessi eest.

Tavaliselt on tehastes tootmisest sõltumatu arvestusprotseduur, aga kuna selle arvestuse andmed tulevad masinalt või koosteliinilt, siis saab need otse arvutisse saata. Inimoperaator võib aeg-ajalt arvutisse sisestada ka muid andmeid, kuid suurem osa asjaajamisest saab tehtud mehaaniliselt ning inimeste kätte jääb vaid erakorraline info, näiteks väline kirjavahetus. Kuid isegi suurem osa välist kirjavahetust võidakse korrespondentidelt vastu võtta perfokaartidel või trükkida perfokaartidele väga madala kvalifikatsiooniga töötaja poolt. Alates sellest etapist saab masin teostada kõiki protsesse. Seda mehhaniseerimist saab rakendada ka olulisele osale tööstusettevõtte raamatukogu arhiivifondist.

Ehk siis masin ei eelista ei füüsilist ega kontoritööd. Seega on võimalikud valdkonnad, kuhu uus tööstusrevolutsioon suudab tungida, väga laiaulatuslikud ja hõlmavad kogu madalal tasemel otsustavat tööjõudu, umbes samamoodi nagu eelmise tööstusrevolutsiooni masinate poolt välja tõrjutud tööjõud hõlmas mis tahes aspekti. inimese energia. Mõnda elukutset uus tööstusrevolutsioon muidugi ei mõjuta kas seetõttu, et uued juhtimismasinad ei ole ökonoomsed nii vähetähtsates tööstusharudes, mis ei suuda kanda sellega kaasnevaid suuri kapitalikulusid, või seetõttu, et paljude inimeste töö. spetsialistide arv on nii mitmekesine, et peaaegu iga töö jaoks on vaja uusi programmipooli. Ma ei kujuta ette, et toidupoodides või garaažides kasutataks selliseid automaatseid masinaid nagu otsustajad, kuigi ma kujutan väga selgelt ette, et toidukaupade hulgimüüja ja autotootja kasutavad neid seadmeid. Põllumajandustöötajat, kuigi automaatsed masinad hakkavad tema toodangus juurduma, kaitsevad nende täieliku domineerimise eest ka haritava maa suurus, haritavate põllukultuuride varieeruvus ja riigi eritingimused. ilm ja muu taoline, millega ta peab silmitsi seisma. Kui selliseid masinaid saab kasutada, ei ole ebatõenäoline, et kasutatakse mõnda otsustusmasinat.

Loomulikult on nende uute seadmete kasutuselevõtt ja ajavahemik, mille jooksul nende kasutuselevõttu oodata võib, peamiselt majandusküsimused, mis ei ole kursusetöö eesmärk. Kui jätta kõrvale mõni vägivaldne poliitiline muutus või mõni muu suur sõda, kulub uutel masinatel oma õigele kohale asumiseks kümme kuni kakskümmend aastat.

Väga oluline küsimus on tagajärgede – majanduslike ja sotsiaalsete – analüüs.

Esiteks võib oodata nõudluse järsku langust ja lõplikku lakkamist sellise eranditult monotoonseid töid tegeva tehasetööjõu järele. Lõppkokkuvõttes võib äärmiselt ebahuvitavate monotoonsete tunniülesannete kõrvaldamine olla kasulik ja olla inimese igakülgseks kultuuriliseks arenguks vajaliku vaba aja veetmise allikana. Kuid see võib viia ka sama madala väärtuse ja hukatuslike tulemusteni kultuurivaldkonnas, mis suures osas on saadud raadiost ja kinost.

Olgu kuidas on, nende uute vahendite kasutuselevõtu üleminekuperiood, eriti kui see saabub kohe, nagu võib eeldada uue sõja korral, toob kaasa kohese katastroofilise kriisi üleminekuperioodi. On palju kogemusi, mis näitavad, kuidas töösturid suhtuvad uuesse tööstuspotentsiaali. Kogu nende propaganda taandub sellele, et uue tehnoloogia kasutuselevõttu ei tohiks pidada valitsuse asjaks, vaid see tuleks jätta iga ettevõtja hooleks, kes sellesse tehnoloogiasse investeerida soovib. Teame ka, et tööstureid on raske ohjeldada, kui on vaja saada tööstusest kogu kasum, mida on võimalik saada, et ühiskond jääks puruga rahule.

Nendel tingimustel täidetakse tööstust uute mehhanismidega ainult niivõrd, kuivõrd on ilmne, et need toovad kohest kasumit, sõltumata sellest, millist kahju nad tulevikus võivad põhjustada. Oleme tunnistajaks protsessile, mis sarnaneb aatomienergia protsessiga, kus aatomienergia kasutamine pommide ehitamiseks on ohustanud väga kiireloomulisi väljavaateid kasutada aatomienergiat tulevikus meie nafta- ja söevarude asendamiseks, mis kestab sajandeid, kui mitte. aastakümnetega täiesti kurnatud. Pange tähele, et aatomipommide tootmine ei konkureeri energiat tootvate ettevõtetega.

Pidagem meeles, et automaatne masin, olenemata sellest, milliseid aistinguid see võib tunda või mitte, on täpselt samaväärne orjatööga. Iga orjatööga konkureeriv töö peab leppima orjatöö majanduslike tingimustega. On üsna ilmne, et automaatide kasutuselevõtt toob kaasa tööpuuduse, millega võrreldes tundub praegune tootmise langus ja isegi 1930. aastate kriis meeldiva naljana. See kriis kahjustab paljusid tööstusharusid, võib-olla isegi neid, mis nendest uutest võimalustest kasu saavad. Kuid miski tööstuslikus traditsioonis ei takista töösturil garanteeritud ja kiiret kasumit teenimast ning taganemast enne, kui pankrot teda isiklikult tabab.

Seega on uus tööstusrevolutsioon kahe teraga mõõk. Seda saab kasutada inimkonna hüvanguks, kuid ainult siis, kui inimkond on eksisteerinud piisavalt kaua, et jõuda perioodi, mil sellised hüved saavad võimalikuks. Seda saab kasutada ka inimkonna hävitamiseks ja kui seda oskuslikult ei kasutata, võib see väga kiiresti selles suunas areneda. Silmapiiril on aga lootuse märke. Alates selle raamatu esimese väljaande ilmumisest olen osalenud kahel suurel kohtumisel äriringkondade esindajatega ja mul oli hea meel näha, et valdav enamus kohalolijatest mõistavad uue tehnoloogia sotsiaalset ohtu ja mõistavad nende inimeste sotsiaalsed kohustused, kes vastutavad nende inimeste juhtimise eest, kes hoolivad sellest, et uusi võimalusi kasutataks inimese hüvanguks, tema vaba aja suurendamise ja vaimse elu rikastamise huvides, mitte ainult kasumi teenimiseks ja masina kui uue ebajumala kummardamiseks. .

Tehisintellekt on midagi, mis võib maailma orjastada ja meid töökohtadest ilma jätta. Teisest küljest võib see meie elu oluliselt lihtsustada. närvivõrgud ja tehisintellekt on teema, mis kogub üha enam populaarsust. Ja pole ka ime. Juba see, et on olemas ese, mis on inimesest palju targem, tekitab juba erineva ulatusega emotsioonide tormi. Täna vaatame kõike, mis teid tehisintellekti kohta huvitas: mis see on, kuidas seda tavainimene kasutab, kuidas seda arendatakse.

Vaatasin täna YouTube'is videot sellest, et varsti pole autodel juhte vaja. Juba on välja töötatud mudelid, mis suudavad üsna hästi tuvastada objekte, millesse te ei tohiks kunagi kokku põrgata. Ainus, mida need autod teha ei saa, on parkida. Selleks on ikka vaja inimest. Aga see on nii väike asi. Pange üks parklavalvur ja laske tal selle asjaga tegeleda.

Ja süsteem on väga tark. Ma kardan ette kujutada, kuidas see tulevikus on: ütlesin autole "mine restorani" ja ta sõitis minema. Isegi kui te ei tea, mis piirkonnas see asub, olete ikkagi seal, kus peate olema. See on uhke.

Üldine teave tehisintellekti kohta

Tehisintellekt põhineb närvivõrkudel, inimese neuroni matemaatilisel mudelil. Selle tööpõhimõtte üksikasjalikuks kaalumiseks peate pisut tungima kesknärvisüsteemi anatoomiasse. Iga meie rakk koosneb aksonitest ja dendriitidest. Esimesed on teistega ühendatud sünapside kaudu. Neuron aktiveerub, kui teatud ergastuslävi on ületatud (st kui sellele rakendatakse pinget veidi rohkem kui teatud väärtus). Selle tulemusena tekib signaal, mis edastatakse järgmisele neuronile jne.

Dendriidid on nii-öelda teabe sisendport. Oletame, et vaatate videot. Informatsioon siseneb neuronisse, töödeldakse seal ja läheb teise, eeldusel, et aksoni kaudu ergastamise lävi on ületatud. See on väga lihtsustatud mudel, millest on lihtne aru saada. Tegelikult on kõik palju keerulisem, kuid see ei kehti teema kohta.

Närvivõrk on mudel, mis võimaldab teatud tingimustel teha õige otsuse.

Tehisneuroni kirjeldus

Kirjeldame tehisintellekti, kuidas see töötab, lähemalt. Kunstliku neuroni puhul on olukord ligikaudu sama. Seal on sisendkiht ja väljundkiht. Seal on otse neuroni keha, mida nimetatakse liitjaks, mille ülesandeks on kontrollida, kas ergastuslävi on ületatud ja selle tingimuse tõenemisel anda signaal järgmisele tehisneuronile.

Sisendkiht saab funktsioone, mida analüüsitakse. Kujutagem ette, et tahame luua programmi, mis otsustab, kas tellida mõni stand-up artist. Oletame, et selleks vajame:

1. Huumorimeel. Selge see, et ilma selle kvaliteedita stand-up artisti nimekirjas ei ole.
2. Intelligentsus. Soovin, et ta annaks mulle veel ideid.

Need märgid suunatakse summarisse. Neuroni ergastusläve närvivõrkude keeles nimetatakse aktiveerimisfunktsiooniks. Kui see on ületatud, läheb signaal väljundkihti. See on lahendus. Iga funktsiooni tähtsuse taseme määramiseks saame kasutada kaalutegureid. Seda tehakse selleks, et kohandada tehisintellekti konkreetse kasutaja ülesannete jaoks. Oletame, et meie jaoks on olulisem kogeda efekti "tal on õigus". See tähendab, et stand-up koomiku intelligentsil on suurem kaalukoefitsient kui huumorimeel.

Kui seda süsteemi ei juurutata, siis otsustatakse, kas tellida või mitte, vaid siis, kui stand-up artist teeb nalja nii, et kuulaja naerust põhjustatud vibratsioonist maja väriseb ja ka siis, kui tänu videole , leiutati idee , kuidas kosmost uurida ilma diivanilt tõusmata .

Kuidas see praktikas töötab? Kaalutud väärtus luuakse mõõte korrutamisel kaaluteguriga. Näiteks kui intelligentsus on meie jaoks olulisem, määratakse sellele funktsioonile koefitsient 0,6 ja huumori jaoks - 0,4. Näeme, et summa peaks ikkagi olema ühtsus. Lõppkokkuvõttes näeb arvuti ainult kahte võimalikku väärtust, kas 0 või 1.

Sisendandmed arvutisse tulevad ainult numbrite kujul. Oletame, et intelligentsust mõõdetakse IQ-ga ja huumorit programmeerija enda skaala järgi. Sel juhul peate ikkagi sisendandmed normaliseerima, et need oleksid väljendatud samal skaalal. Me ei lasku detailidesse, sest meil on vaja ainult üldist ettekujutust tehisintellektist. Järgmiseks tuleb treenida närvivõrku. Seda tehakse koefitsientide valiku abil. See tähendab, et soovitud tulemuse saamiseks peate valima sellised koefitsiendid.

Tehisintellekti rakendused

Tehisintellekti haare on väga lai ja seda saab kasutada kõikjal, kus inimene ette kujutab. Siin on mõned valdkonnad, kus seda on juba edukalt kasutatud.

1. Ravim. Tehisintellekti eelis selles valdkonnas on võime meelde jätta ja töödelda tohutul hulgal teavet, tänu millele pole juba ilmunud mitte ainult arstidele soovitusi andvad rakendused, vaid ka programmid, mis suudavad tuvastada haigusi varajases staadiumis, kui sümptomid ilmnevad. pole veel avaldunud. Näiteks Face2Gene rakendus skaneerib nägu ja suudab tuvastada 3500 erinevat geneetilist haigust.
2. Tööstus ja põllumajandus. Nendes valdkondades on tehisintellekt sedavõrd arenenud, et varsti on inimene täiesti ebavajalik. Nii avab LG 2023. aastal tehase, kus absoluutselt kõik etapid teostab tehisintellekt, alustades kauba ostmisest ja valmistoodangu mahalaadimisest. Ja jah, kvaliteedikontrolli hakkab teostama ka vastav tarkvara. Ja juba 2021. aastal toimub tehaste osaline üleminek sellele tehnoloogiale. Maatööstuses jälgib tehisintellekt taimede seisundit, niiskustaset ja toitainete hulka mullas. Lisaks on see võimeline tuvastama umbrohtu ja tõmbama need välja ilma taimi kahjustamata.
3. Maanteeliiklus. Juba praegu kasutatakse tehisintellekti liiklusummikute ärahoidmiseks. Selleks kogub fooridest reaalajas infot, analüüsib autodevahelist kaugust, olemasolevaid õnnetusi ning analüüsib seda liiklusolukorra parandamiseks. Sarnased süsteemid on juba kasutusele võetud paljudes riikides. Teine AI valdkond selles valdkonnas on isejuhtivad autod, nagu on kirjeldatud ülaltoodud näites.
4. Tark Maja. Jah, tehisintellekti saab juba inimelus rakendada. Näiteks võib ta sind hommikul üles äratada ja kardinad avada, et päikesevalgus tuppa pääseks. Kui ärkate, on teil juba tass aromaatset kohvi valmistatud just õigel ajal, et saaksite ärkama. Külmkapp õpib lähiajal ise toitu tellima ja niipea kui uks tööle minekuks kinni paned, lülitub kohe äratus. Samuti on lähitulevikus võimalik tunda kogu mugavust nutikatest akudest, mis kohandavad temperatuuri inimese järgi. Väga mugav.
5. Ja lõpuks on meie loendi viimane üksus nutikad tõlkijad. Seal on tehisintellekt jõudnud tasemele, et sageli täidavad nad oma ülesandeid mitte halvemini kui inimene. On juhtumeid, kus õpilane tõlkis essee võõrkeelest enda keelde, printis selle välja ja andis muutmata kujul sisse ning sai 5. Parem muidugi veel mitte sel moel katsetada. Jah, ja teadmisi, mille pärast inimene ülikooli läheb, ei tule.

Tehisintellekti arendamise väljavaade

Tehisintellekti arendamiseks on mitu stsenaariumi. Esimene on pessimistlik. Varem või hiljem on tehisintellekt nii täiuslik, et seda ei saa petta ega häkkida. Aga teda saab agressiivselt inimese vastu seada. Niipea, kui hingetu masinal on eneseteadvus, muutub see tegelikult inimeseks, ainult palju osavamaks. Ja kui jumal hoidku selle seadmega kuidagi vastuollu sattuda, on tagajärjed väga kurvad.

Teine stsenaarium on optimistlik, aga mitte tõsiasi, et see halvasti ei lõppeks. Masinad teevad kõik inimese eest ära. Ja isegi kui see juhtub, tuleb midagi multifilmi "Wall-E" taolist, kus inimesed on muutunud lihtsalt suurteks rasvatükkideks, mis ei suuda isegi toolilt tõusta. Kui nad kukuvad, tagastab mingi robot nad oma kohale.

Ka kolmas stsenaarium on pessimistlik. Inimkond võib otsustada luua masina, mis määratleb ja lahendab inimkonna globaalsed probleemid. Ja on täiesti võimalik, et pärast hunniku muutujate analüüsi otsustab robot, et inimene ise on kõigis oma hädades süüdi. Ja loomulikult on tal programm põhjuse, see tähendab inimeste hävitamiseks.

Neljandaks stsenaariumiks on tehnoloogiline tööpuudus, mis hakkab juba tasapisi avalduma mitte ainult konveieritootmises, vaid ka üsna “tarkades” ametites. Seega on enamikus maailma pankades järel vaid paar kauplejat ning kogu ülejäänud turuanalüüsi ja isegi tulusate tehingute sõlmimise valuutade või väärtpaberite ostu-müügitehingutega tegelevad robotid. Jah, see toimub praegu.

Saabub periood, mil nõutud on ainult need inimesed, kes teenindavad tehisintellekti, see tähendab programmeerijaid. Ja siis on viimane tarbetu, sest tehisintellekt on iseõppimises nii osav, et isegi programmeerija ise ei tea, mis tema koodis toimub. Tehisintellekt areneb täiskiirusel ja varem või hiljem võib üks neist stsenaariumidest tulla.

Tehisintellekti võimalusi on palju. Peame selle loomisele suhtuma vastutustundlikult, et neid ei oleks nii palju, et tehisintellekt kontrolli alt väljuks. Niipea, kui mõisted "tehisintellekt" ja "teadvus" ühilduvad, ei saa me seda ainet kontrollida. Minimaalne, mis tuleb teha, on läbirääkimised.

Erinevus tehisintellekti ja loomuliku vahel

Tehisintellekt ja inimene on tegelikult väga erinevad. Neid ühendab ainult mõtlemisvõime, kuid seda tehakse ka erineval viisil. Ja kuidas sa neid võrdled? Parim idee on esitada need tehisintellekti eeliste näol inimese taustal ja hetkel eksisteerivate puuduste näol. Tuleb meeles pidada, et aja jooksul jääb miinuste arv üha väiksemaks. AI eelised:

1. Võimalus teavet koheselt meelde jätta ja tohutul hulgal seda võimalikult lühikese aja jooksul töödelda. Selleks, et kõik teadmised inimese peas täielikult settiksid ega ununeks, on vaja vajalikku teavet 3-4 päeva jooksul korrata ja seejärel vähemalt kord 1,5 kuu jooksul seda vähemalt kaudselt mälus värskendada. vormi. Tehisintellekt jääb igaveseks meelde.
2. Uskumatult kiire kvantitatiivsete andmete töötlemine. Samal ajal kui inimene lisab kaks kahekohalist numbrit, analüüsib arvuti juba majandusolukorda ja annab graafikul punkti, mille juures on kõige parem valuutat osta. Ja siis ta ise sõlmib selle tehingu ja väljub õigel ajal turult, jättes oma omanikule kasumi. Kauplejal on üle jõu käia sellise hulga kvantitatiivse teabe töötlemine.

AI puudused:

1. Tehisintellekt ei suuda veel kvaliteetset infot töödelda, kuid see on vaid aja küsimus. Igasugust kvalitatiivset teavet saab väljendada matemaatilise mudeli kujul. Olete juba eespool näidet näinud – kunstlik neuron, mis suudab toimida isegi paremini kui täisväärtuslik neuron. See on levinud matemaatiline valem, mis avastati juba eelmise sajandi 40ndatel. Kuid see avastus on juba maailma muutnud.
2. Tehisintellekt võib ikkagi vankuma. Kuigi ta pole nii täiuslik, on seetõttu siiski vaja inimest, kes tema eest "vaatab". Kuid mõne aastakümne pärast võib tehisintellekt õppida oma tõrkeid nägema, neid parandama ja inimest pole vaja. Hiljuti jooksis pealkirjadest läbi uudis, et leiutatud on ülitäpne relv, mis valib ise sihtmärgi, leiab sellele kõige soodsama tee, jäädes samas märkamatuks. Kui paned sellele relvale tuumalõhkepea ja see annab ootamatult valekäivituse, võib see hävitada kogu inimkonna. Tuletage meelde vaid olukordi külma sõja ajal, mil elektroonika andis valesignaali tuumamürsu väljalaskmisest, kuigi tegu oli vaid ilmastikuanomaaliaga. Kui otsuse langetaks tehisintellekt, ei loeks te seda artiklit.

Tehisintellekt päriselus

Tehisintellekt alles areneb ja kõik selle ilmingud pole inimestele kättesaadavad ka praegu. Kuid siiski on tehisintellekti näiteid, mida kõik saavad kasutada:

1. Erinevad meelelahutusrakendused, näiteks maskidega.
2. FaceID iPhone X-is ja vanemates. Funktsioon, mis võimaldab teil nutitelefoni näoga avada. Spetsiaalsed iseõppivad algoritmid skaneerivad inimest erinevate nurkade alt ja loovad ainulaadse cast, mis võimaldab isikut tuvastada.
3. Tehisintellekt turunduses. Kui teil on vaja midagi müüa, leiavad kontekstuaalsed reklaamisüsteemid täpselt selle inimese, kes seda vajab. Sa võid ise märgata, et saidid tunnevad sind väga hästi, annavad sulle huvipakkuvat reklaami.
4. Virtuaalsed assistendid nutitelefonides. Kõik realiseeritakse seal läbi AI, alustades kõnetuvastusest ja lõpetades valmislahenduse väljastamisega.
5. Vestlusbotid veebisaitidel. Sageli on need väga nutikad programmid, mis suudavad otse saidilt hankida kliendile vajaliku teabe.
6. Liitreaalsuse rakendused, mis suudavad näiteks tuvastada objekti, mille kohal olete kaameraga hõljutanud, ja anda selle kohta üksikasjalikku teavet, alates arvustustest kuni kontaktandmeteni.

Ja selliseid võimalusi tuleb iga aastaga aina juurde.

järeldused

AI üks peamisi võimalikke eeliseid on see, et inimene on potentsiaalselt võimeline oma intelligentsust suurendama. Aja jooksul peame võistlema hingetute masinatega, mille võimalused on kordades suuremad kui meil. Seetõttu ei pea me neid täielikult usaldama, vaid peame ennast arendama. Kuna loed seda saiti, siis oled suurepärane sell. Siit saate lugeda palju materjale enesearengu ja oma bioloogilise närvivõrgu uuendamise kohta.