`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Как изменилось финансирование ИТ-направления в вашей организации?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Александр Черников

AI: О чем мы, собственно, говорим?

+11
голос

Громогласные заявления 1960-х гг. о глобальных успехах искусственного интеллекта сегодня сменились куда менее обширными, но гораздо более практичными проектами. Однако все чаще говорят об иной опасности – выходе AI за пределы человеческого понимания.

Может ли Бог создать камень, который не сможет поднять?
Парадокс всемогущества

Большинство экспертов приписывает происхождение самой области искусственного интеллекта знаменательной конференции, которая была проведена в университетском городке Дартмута в 1956 г.

AI О чем мы, собственно, говорим?

1956 Dartmouth Summer Research Project on Artificial Intelligence. «Великие деды AI». Слева направо – Тренчард Мур (Trenchard More), Джон Маккарти (John McCarthy), Марвин Мински (Marvin Minsky), Оливер Селфридж (Oliver Selfridge) и Рей Соломонофф (Ray Solomonoff). Фотография 1969 г.

В 1960-х гг. их ранние работы в большой степени финансировалась министерством обороны и включали создание ПО для игры в шахматы, генерации естественной речи, решения проблем алгебры и построения доказательств для логических теорем.

Энтузиазм был велик, работы на первых порах продвигались быстро и успешно. Ожидалось, что в течение ближайших 20 лет (т.е., до 1976 г.) машины научатся выполнять любую работу, доступную человеку.

Но со временем решение очередных задач AI становилось все труднее, дольше и дороже. В результате отсутствие существенных успехов привело в 1970-х к сокращению бюджетного финансирования. В терминах Gartner Hype Cycle, совершился переход от «Пика больших ожиданий» к «Провалу разочарования».

Это в определенном смысле благотворно повлияло на прикладной AI. В течение 1980-х гг. коммерческий успех был достигнут за счет развития экспертных систем, которые расширили возможности аналитики, а рынок коммерческого ПО в этом сегменте превысил миллиард долларов.

Но каковы наибольшие достижения AI на сегодня (2015)? Самое свежее сообщение (11 августа) говорит о том, что IBM за 1 млрд. долл. купила компанию Merge Healthcare с ее базой медицинских изображений.

IBM считает, что ее AI технология Watson может использовать свои возможности для обработки огромных объемов изображений и генерации диагнозов для 7,5 тыс. поликлиник и стационаров США с учетом имеющейся текстовой информации.

Эта покупка – практическое следствие «глубокого обучения» (Deep Learning) самой Watson. Фактически новый подход к искусственному интеллекту связан с нейроноподобными аппаратно-программными структурами современных компьютеров. В частности, эта технология уже привела к весьма внушительным результатам в распознавании естественной речи и образов.

Пока самое большое препятствие для использования AI в медицинской диагностике – то, что большая часть необходимых данных остается изолированной в частных медицинских учреждениях и ограничивается действующим законодательством.

Но основная проблема, тем не менее, лежит не в области технической ограниченности AI, и не в юридических барьерах. В период 1990-2010 гг. финальное «Плато производительности» в Gartner BI Hype Cycle включало уже много авансов в области AI. Тем не менее, прогноз развития искусственного интеллекта на ближайшие десятилетия выглядит довольно мрачно вовсе не из-за указанных сдерживающих факторов. Скорее наоборот.

Расширение Gartner Hype Cycle: Сингулярность

AI О чем мы, собственно, говорим?

Технологическая сингулярность – «гипотетический момент, по прошествии которого, по мнению сторонников данной концепции, технический прогресс станет настолько быстрым и сложным, что окажется недоступным пониманию». Многие специалисты полагают, что именно в текущие годы (2020 – 2030) мы подойдем к точке перегиба, после которой искусственный интеллект станет неуправляемым в силу ограниченных возможностей человека

Одна из наиболее интересных деталей в современном представлении AI – попытка расширения известного Gartner Hype Cycle, учитывающая сингулярность и добавляющая к нему еще одну, шестую стадию.

AI О чем мы, собственно, говорим?

Эта диаграмма может показаться несколько запутанной. На самом деле все просто. К классической кривой Gartner Hype Cycle добавляется экспоненциальная кривая развития технологий AI. В результате после выхода AI на уровень зрелости и практической применимости («плато продуктивности») соответствующие технологии не остаются стабильными во времени, но устремляются в ту самую «неуправляемую» область

Тогда основной вопрос формулируется почти фантастически: можем ли мы сохранить контроль над машинами, если уже не в состоянии понять их?

Десять правил CIO для эпохи AI

Их сформулировал Харви Кёппель (Harvey Koeppel) из Pictographics. Не буду даже приводить эти довольно банальные и безнадежные сентенции.

«Изучайте, пробуйте, пытайтесь применить практически, наймите самых ярких талантов, считайте ROI, разрабатывайте стратегию, повышайте квалификацию персонала, думайте о безопасности, заручитесь поддержкой руководства»… В общем, все как всегда в ИТ, независимо от области и направленности новой технологии. Единственная свежая мысль в этой десятке – то, что «комбинация AI и Big Data может быть очень эффективной».

Тогда возникает вопрос: о чем мы, собственно, говорим, если сами не очень понимаем, о чем мы говорим?

+11
голос

Напечатать Отправить другу

Читайте также

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT