ENGЕще каких-нибудь 50 лет — и в мире, пусть и с 50-процентной вероятностью, начнут использовать искусственный интеллект, справляющийся с функциональными задачами не хуже человека. К такому выводу пришли ученые из Future of Humanity Institute по итогам исследования 2016 г. Куда более близкий прогноз озвучивает футуролог, начальник подразделения ГосНИИ авиационных систем (ГосНИИАС), профессор РАН Юрий Визильтер: уже к 2020 г., полагает он, функциональный искусственный интеллект будет готов почти полностью. Безусловно, речь не идет о создании мыслящих машин — до ожившей «Матрицы» или «Терминатора» пока далеко, — однако устройства, способные выполнять задачи, которые оставались исключительной привилегией человека, уже на пороге, уверен ученый.
Искусственная зима
Своим прогнозом ученый поделился в рамках 4-го заседания Клуба проектирования будущего (создан под эгидой журнала «Инвест-Форсайт»), которое было организовано в партнерстве с Институтом проблем передачи информации РАН. Само заседание было посвящено перспективам практического использования нейросетей, но с самого его начала состоялась дискуссия: ожидает ли человечество «Зима искусственного интеллекта» — AI winter.
Юрий Визильтер уверен: оснований ожидать наступления «зимы» сегодня нет. Последние годы традиционно говорили о двух видах искусственного интеллекта (ИИ) — основанном на имитации человеческой логики и базирующемся на машинном обучении и анализе данных; эти системы крайне плохо взаимодействовали между собой. Однако в конце 2017 г. ситуация кардинально поменялась: как поясняет Визильтер, наконец-то появились так называемые «мосты», которые позволяют преодолеть пропасти между двумя видами ИИ.
К числу последних ученый отнес следующие решения:
- глубокие соревнующиеся сети (GAN, Domain Transfer Learning, Zero-Shot Learning);
- решения, обеспечивающие интерпретацию ИИ визуальной информации на естественном языке;
- обучение глубоких сетей как активных агентов (Reinforsement Learning, Lifelong Learning);
- глубокое обучение с использованием структурных моделей, баз знаний и программ логического вывода;
- автоматическое конструирование и обучение глубоких сетей.
«На сегодняшний день пропасть, которая была между двумя типами ИИ, не то чтобы закрылась, но самолет братьев Райт уже взлетел», — уточняет Юрий Визильтер.
Подчинить нейросети
Насколько сегодня российским компаниям удается опробовать применение нейросетей для решения практических задач? Об индустриальных проектах, которые реализовала компания «Визиллект сервис», а также о технологиях, которые она развивает, рассказал генеральный директор Андрей Большаков (ООО «Визиллект сервис» является дочерним предприятием Института проблем передачи информации РАН). Одним из самых крупных проектов, реализованных компанией, стал автоматический классификатор транспортных средств, который стоит сегодня на всех платных дорогах в России.
«Основная идея и отличие наших разработок в том, что они реально работают на улице, при любых погодных условиях, начиная от снега и заканчивая туманом. Качество классификации огромное — 99,7%», — пояснил Андрей Большаков.
Другим решением стал продукт Smart IDReader, созданный компанией Smart Engines — партнерами компании «Визиллект Сервис» и ИППИ РАН. Уже сегодня он позволяет распознавать любые шаблонизированные документы на мобильном устройстве (как пояснил Андрей Большаков, компания старается делать нейронные сети такими, чтобы их можно было запускать на устройствах с очень слабыми вычислителями). А решение «МАРИНА» умеет распознавать автомобильные номера. Также компания активно занимается решением в области соблюдения правил техники безопасности (уже прошло испытание в нескольких нефтяных компаниях). Другим направлением разработок компании остаются беспилотные технологии, где также активно задействуют нейросети. Речь идет о системе визуальной навигации Line, также компания занималась разработкой беспилотника «Матрешка» (основным отличием в данном случае стало отсутствие лидаров).
«В лаборатории полностью создан стек технологий, который позволяет разрабатывать нейросетевые решения, начиная от сбора данных, работы с разметкой, до обучения, — пояснил Андрей Большаков. — Мы контролируем всю работу, связанную с нейросетями, и ведем фундаментальную исследования в части ускорения нейросетей, уменьшениях их размерности, разработки новых архитектур, а также решаем некоторые прикладные задачи (например, как нейросети можно применять на реальных объектах)».
Добавят блокчейна
Развитием и внедрением технологий искусственного интеллекта в России занимаются не только глобальные корпорации и исследовательские структуры. На передовую все чаще выходят стартап-команды, готовые предложить бизнесу готовые решения для конкретных задач на основе нейросетей. Например, платформу для многократного использования больших данных, при этом без потери ценности для их изначального собственника, предлагает проект Оскара Бравермана Neuroseed (кстати, компания рассчитывает занять от 1% до 10% рынка машинного обучения к 2025 г.).
«Мы хотим собрать данные, классифицировать, зашифровать и сдавать в аренду, — поясняет Оскар Браверман. — Мы бы хотели, чтобы это стало доступным, причем не на уровне институтов или крупных промышленных организаций, а чтобы любой человек мог прийти и арендовать решение».
Речь идет о некой библиотеке-поисковике с шифрованием данных, с понятным алгоритмом подключения через API для клиентов. При этом платформа будет решать проблему доверия между владельцами данных, адаптированных для обучения нейросетей, и разработчиками mashine learning-решений (планируют задействовать блокчейн).
Использовать для обучения нейросетей собственную блокчейн-платформу предлагает компания DBrain — с ее помощью предприниматель может обучить нейросеть под личные задачи: от проверки качества пиццы до обнаружения месторождений нефти.
«Есть глобальные корпорации уровня Facebook, Google, Alibaba с огромным штатом дата-сайентистов. И есть множество компаний в индустриальном секторе, для которых разметка данных и постановки задачи по их обработке — это тихий ужас», — говорит сооснователь и CTO Dbrain Алексей Хахунов.
Платформа позволяет участвовать за плату в разметке данных всем желающим, также здесь можно обучить нейросеть, причем происходить все будет на самой платформе, а значит, данные клиента останутся защищенными. DBrain предлагает клиентам загрузить в базу сырые данные, которые затем уже обучат привлеченные разметчики (их у платформы уже 20 тысяч, а всего они выполнили 3 млн заданий), и использовать их для конкретных нужд бизнеса. Среди реализованных проектов компании есть кейс с определением качества продукции для компании Dodo-пицца и построение нейросетей для гипермаркетов Hoff и Леруа Мерлен.
Распознать нейробудущее
Понятно, что сегодня большинство публичных кейсов применения нейросетей сводится к использованию технологии для распознавания образов. Однако в будущем это станет далеко не единственным способом заставить нейросети работать на человека. Ключевые векторы внедрения нейросетей обозначил Юрий Визильтер. Прежде всего, прорывом обещает стать использование глубоких нейросетей для моделирования химических и биологических сущностей (например, фармацевтических молекул). Уже сейчас фармкомпании скупают стартапы, развивающие решения на основе глубокого обучения. Однако моделировать можно будет и свойства новых металлов.
Сети станут новым инструментом для обработки накопившегося объема разведданных. Подобные решения могут получить компании нефтегазового сектора. Reinforcement learning, или обучение с подкреплением, позволит поменять принципы управления сложными системами. Уже через несколько лет практически везде, где сегодня используются старые алгоритмы или физические системы, реализующие процессы управления, появятся нейропроцессоры или нейроалгоритмы. Вопрос лишь в темпе обновления оборудования.
Нейросети захватят интернет вещей. Каждый чайник будет снабжен нейровычислителем, а иное будет попросту бессмысленно.
«Это четкое предсказание на самое ближайшее время, и это гигантская промышленная революция», — считает Юрий Визильтер.
Он также напоминает, что гартнеровская кривая хайпа описывает эволюцию далеко не всех технологий, например она неприменима к автомобилям.
«С искусственным интеллектом и нейросетями общество уже прошло первую волну хайпа в 1960—1980 гг., сегодня уже нет никакого хайпа, появилась технология, которая будет работать, и работать как автомобиль», — резюмирует Юрий Визильтер.
Автор: Ольга Блинова
Благодарим за предоставленные фото газету научного сообщества «Поиск»
Ранее состоялись три заседания футуристического Клуба проектирования будущего», посвященные темам искусственного интеллекта, социальным последствиям цифровизации, а также будущему рынка труда.
