Mākslīgā intelekta (AI) tēma visu gadu dominēja mediju ziņu plūsmā. Toni nosaka galvenie ziņu veidotāji – Īlons Masks un Marks Cukerbergs, apspriežot mākslīgā intelekta izmantošanas briesmas un ieguvumus cilvēka dzīvē. Krievija un Ķīna ir pasludinājušas mākslīgā intelekta attīstību kā prioritāru virzienu digitālajā ekonomikā. 2018. gads būs attīstības un tālākas izpētes gads par AI, īpaši dziļās mācīšanās metodes, kā perspektīvākā Mākslīgā intelekta nozares izmantošanas iespējām. Es jums pastāstīšu vairāk par šo tendenci augsto tehnoloģiju jomā, izmantojot piemēru par AI izmantošanu mārketingā.
Mākslīgā intelekta būtība ir radīt tik gudras mašīnas, kas pārspētu cilvēku domāšanas un analītiskās spējas. Mašīnmācībai, AI pamata metodei, ir šādas iespējas, un to jau plaši izmanto daudzās ekonomikas nozarēs un cilvēku dzīves jomās. Tomēr citas, progresīvākas tehnoloģijas strauji attīstās.
Tas ir īpaši pamanāms dziļās mācīšanās attīstības tempos, kas gandrīz pilnībā atkārto cilvēka smadzeņu darbības principu datu apstrādē un lēmumu pieņemšanas modelēšanā. 2017. gadā dziļā mācīšanās kļuva par neatņemamu tehnoloģiju procesu sastāvdaļu veselības aprūpē un automobiļu ražošanā. Mārketings kā katra biznesa dinamiskākā sastāvdaļa arī nav palicis malā no progresīvu tehnoloģiju izmantošanas. Padziļinātai apmācībai ir bijusi revolucionāra ietekme uz visu reklāmas nozari.
Dziļās mācīšanās metodē izmantotā tehnoloģija ir balstīta uz bioloģisko neironu mijiedarbības principiem. Ar pašmācības algoritmu palīdzību mārketinga speciālisti tagad iegūst aprakstus par klienta pirkšanas potenciālu bez cilvēka palīdzības. Piemēram, RTB House nesen analizēja milzīgu datu apjomu, skaidri parādot, ka mākslīgā intelekta izmantošana pieredzējušu mārketinga speciālistu ieteikumu vietā atkārtotas mērķauditorijas atlases kampaņās var uzlabot reklāmguvumu rezultātus par 35%. Un tas vēl nav viss. Izmantojot dziļās mācīšanās metodi, reklāmdevēji saņem prognozi par lietotāja darbībām, pamatojoties uz viņa uzvedības īpašību un vēlmju analīzi. Tas ievērojami vienkāršo mārketinga speciālistu darbu, piedāvājot vislabākās iespējas mērķtiecīgiem reklāmas ziņojumiem, kas satur produktus, par kuriem lietotājs pat nezināja vai vēl nebija redzējis.
Daudzi lieli zīmoli jau ir redzējuši priekšrocības, ko sniedz padziļinātu mācību risinājumu ieviešana savos produktos vai mārketinga rīkos. 2018. gadā mēs sagaidām plašu padziļinātās mācīšanās izmantošanu un palielinātu ieguldījumu tās potenciāla attīstīšanā.
No “uzraudzītas mācīšanās” līdz jauniem apvāršņiem
2017. gadā notika pāreja no mašīnmācīšanās procesam raksturīgās tā sauktās “uzraudzītās mācīšanās” uz sarežģītāku “pārsūtīšanas mācīšanās” sistēmu. Šīs tehnoloģijas pamatā ir cilvēka norādījumu pārsūtīšana uz datoru: analizējiet esošos lēmumu pieņemšanas modeļus, piemērus, datu kopas un to turpmāko analīzi.
Mācību pārsūtīšanas veids ir datora spēja apstrādāt datus no simulācijām, nevis no realitātes. Šis process ir daudz vienkāršāks un lētāks, kā arī ātrāks, kas ir ļoti svarīgi, analizējot milzīgu datu apjomu. Izmantojot šo metodi, iekārta iemācās pieņemt lēmumus pati: ar loģiskiem secinājumiem, analoģiju vai dedukciju.
Piemēram, izmantojot vecāku mašīnmācīšanās modeli, pašbraucoša automašīna varētu nobraukt miljoniem jūdžu, kamēr dati tiek ierakstīti. Šie dati tiek pārsūtīti uz automašīnu, kas saprot, kā vadīt automašīnu, pamatojoties uz vadītāja lēmumiem. Pateicoties “mācību pārnesei”, īsts vadītājs vairs nav vajadzīgs. Tā vietā datus var iegūt no dažādām braukšanas simulācijām. Imitējot miljoniem braukšanas stundu, automašīna pati saprot, kur tai jādodas, un tas jau pārvērš zināšanas reālajā pasaulē.
Otro pieeju sauc par “pastiprinātu mācīšanos”. Tās mērķis ir apmācīt datoru pieņemt labākos lēmumus, pamatojoties uz atgriezenisko saiti no vides un tajā notiekošajām darbībām. Piemēram, kā tas notiek, piedaloties izsolē par reklāmas laukuma iegādi. Izsoļu sistēmas ir ļoti sarežģītas. Pat ekspertiem bieži ir problēmas ar optimālās likmes noteikšanu, kas ļaus sasniegt vēlamos rezultātus ar minimālām izmaksām. Automašīna kustības sākumā saskarsies ar tādiem pašiem šķēršļiem. Taču, atšķirībā no cilvēka, automašīna simulācijas vidē var darboties 24 stundas diennaktī. Un tas var arī apgūt darbību kopumu daudz ātrāk nekā cilvēks. Atgriežoties pie mūsu piemēra par reklāmas laukumu iegādi, dators mācās, simulējot izsoles, saņemot datus, kā rīkoties visefektīvāk un tādējādi uzvarēt izsolē.
Jauni darbi un jauni izaicinājumi
Patiešām, dziļās mācīšanās algoritmu darbības princips ir absolūti identisks cilvēka smadzeņu darbībai. Taču, atšķirībā no cilvēkiem, datori mācās daudz ātrāk un var analizēt milzīgu datu apjomu. Datori neaizmieg un pieļauj daudz kļūdu. Šeit parādās super sniegums. Ļoti vienkāršā veidā AI centīsies pārspēt cilvēka spējas daudzās jomās. Pašlaik pašmācības algoritmi spēj atpazīt darbības un attēlus daudz precīzāk nekā cilvēki.
Vai tas nozīmē, ka pastāv briesmas, ka cilvēkus pilnībā nomainīs roboti? Ne īsti. Saskaņā ar Pasaules ekonomikas foruma datiem 65% bērnu, kas šodien iestājas sākumskolā, tiks doti darbi, kas pašlaik nepastāv. Pašreizējais AI attīstības līmenis ļauj uzņēmumiem meklēt vairāk IT speciālistu, datu analītiķu un programmētāju. Nākamgad mēs, iespējams, redzēsim jaunu darba piedāvājumu uzplaukumu datu zinātniekiem. Lai gan tagad šāds priekšlikums vēl nav populārs.
2017. gada inovācijas saņems spēcīgu impulsu attīstībai 2018. gadā
Dziļās mācīšanās metodes ieviešanas mērķi ir vienkāršot mūsu dzīvi un paaugstināt cilvēka darbības efektivitāti. Tāpēc AI izmantošana vairs nav standarts, bet gan nepieciešamība uzņēmumiem, kuri vēlas būt konkurētspējīgi globālajā tirgū. Runa nav par spēju personalizēt vai uzlabot galaprodukta iespējas, bet arī par vairākām citām netiešām darbībām, piemēram, datu vākšanu un analīzi. Jau tagad uzņēmumiem ir tik liels datu apjoms, ko analizēt, ka tie nevar tikt galā ar to apstrādi.
Šī situācija tieši ietekmē viņu darbinieku pieņemtos lēmumus un līdz ar to arī viņu finanšu rezultātus. Uzņēmumi, kuru bizness specializējas dažādu uzņēmumu datu vākšanā un analīzē, būs arvien pieprasītāki. Uzņēmumi ar lielāku budžetu izmantos AI, lai klasificētu: ko piedāvāt klientiem, kādus noteikumus ieteikt piegādātājiem, kā instruēt darbiniekus, ko teikt un darīt reāllaikā. Jāpieņem arī, ka drīzumā parādīsies daudzi jauni uzņēmumi, kas piedāvās risinājumus, kuru pamatā ir pašmācības algoritmi, jo šī tehnoloģija kļūst plaši izplatīta.
Mākslīgais intelekts 2017. gadā ir kļuvis par mūsu ikdienas un sabiedrisko diskusiju sastāvdaļu. Nākamajos gados galvenā uzmanība tiks pievērsta dažādu uz AI balstītu tehnoloģiju izstrādei, kas aizstās cilvēkus daudzās sarežģītās nozarēs, galu galā padarot mūsu dzīvi daudz vieglāku. Bet tas prasīs daudz darba.
Ericsson nosaukusi 10 populārākās patērētāju tendences nākamajam gadam
Mākslīgais intelekts un virtuālā realitāte: 10 patērētāju tendences 2017. gadam. Foto: elearningindustry.com
Ericsson prezentējis savu prognozi par nākamā gada populārākajām patērētāju tendencēm. 2017. gada top tendence būs mākslīgais intelekts, kas pamazām iekļūst mūsu ikdienā.
Tātad, Ericsson zvanīja populārākās patērētāju tendences 2017. gadā:
Arvien vairāk cilvēku vēlas, lai mākslīgais intelekts iekļūtu viņu dzīvē. 35% interneta lietotāju vēlētos redzēt mākslīgo intelektu kā savu darba palīgu, bet 25% - kā vadītāju. Tomēr 50% aptaujāto mākslīgo intelektu uzskata par bīstamu. Jo īpaši šīs tehnoloģijas dēļ daudzi cilvēki var zaudēt darbu, jo viņu funkcijas var viegli veikt roboti.
Lietojumprogrammas tiek aktīvi izmantotas, lai vienkāršotu un automatizētu noteiktus dzīves aspektus. Tajā pašā laikā lietiskā interneta attīstība paātrinās. 40% aptaujāto ir pārliecināti, ka pienāks laiks, kad viedtālruņi varēs apgūt savu īpašnieku paradumus un veikt vairākas funkcijas.
Un atkal par darba zaudēšanu - drīz mākslīgais intelekts nomainīs arī autovadītājus. 25% aptaujāto atbalsta ideju aizstāt autovadītājus ar autopilotiem, jo uzskata, ka tas būs daudz drošāk gājējiem. 65% aptaujāto vēlētos iegādāties automašīnu ar autopilotu.
80% aptaujāto ir pārliecināti, ka jau pēc trim gadiem virtuālā realitāte sasniegs tādu attīstības līmeni, ka to nebūs iespējams atšķirt no fiziskās pasaules.
Respondenti prognozē, ka jaunu tehnoloģiju attīstība negatīvi ietekmēs cilvēku veselību. Jo īpaši virtuālās un paplašinātās realitātes aplikāciju izmantošana izraisīs kustību slimību, pret kuru 33% aptaujāto ir gatavi lietot atbilstošas tabletes.
Neskatoties uz to, ka lielākā daļa cilvēku cenšas sevi maksimāli pasargāt, 60% aptaujāto atzīst, ka viedtālruņu lietošana ir saistīta ar risku.
Vairāk nekā 50% aptaujāto vēlētos papildinātās realitātes brilles. Starp iespējamām to izmantošanas iespējām: tumšo zonu izcelšana, brīdinājums par briesmām, iespēja mainīt vai likvidēt kairinošos vides elementus.
Vairāk nekā 30% aptaujāto ir pārliecināti, ka internetā vairs nav tādas lietas kā privātums, tāpēc 50% pētījuma dalībnieku ir apmierināti ar “samērā labu” privātuma līmeni.
Pēc ekspertu domām, jau pēc pieciem gadiem visiem interneta lietotājiem tiks nodrošināti visi piecu lielāko IT uzņēmumu produkti un pakalpojumi.
MAKSĀJUMU ŽURNĀLA PALĪDZĪBA
Iepriekš mēs rakstījām par to, ka.
Kai Fu Lī, SinovationVentures priekšsēdētājs, uzskata, ka mākslīgais intelekts ir "mērķis uz liela mēroga darbavietu zaudēšanu", vienlaikus koncentrējot bagātību to uzņēmumu rokās, kas izstrādā vai pieņem AI. Citi uzskata, ka līdzīgas bailes radās, parādoties visām pasauli mainošajām tehnoloģijām, līdz pat iespiedmašīnai 15. gadsimtā.
The Economist pārliecina lasītājus, ka "AI rada pieprasījumu pēc darbavietām" un arvien vairāk cilvēku visā pasaulē "nodrošina digitālos pakalpojumus tiešsaistē". Kuri uzņēmumi un valstis plauks AI laikmetā? Kuri segmenti pazudīs, mainīsies vai tiks izveidoti? Kā mainīsies darba raksturs?
Karadarbība
Bruņoto bezpilota lidaparātu atbalstītāji apgalvo, ka šādi ieroči var trāpīt mērķos ar daudz lielāku precizitāti nekā cilvēki; un jo lielāku lomu viņi spēlē operāciju teātrī, jo retāk tehniķi tos izmantos, lai kaitētu.
Bet ja šādi ieroči kļūst neatkarīgi un darbojas neatkarīgi, bez cilvēka iejaukšanās? Vai cilvēku svītrošana no militārpersonu saraksta izraisīs vēl bargāku un neapturamāku bruņošanās sacensību?
Atklātā vēstulē, kas tika publicēta 2015. gada Starptautiskās apvienotās konferences par mākslīgo intelektu laikā, tika brīdināts, ka autonomiem ieročiem "nav nepieciešami dārgi vai grūti atrodami izejmateriāli, un tāpēc tie kļūs visuresoši un lēti, lai masveidā ražotu visas nozīmīgas militārpersonas". Vai laikmets ar automatizētiem ieročiem būs mierīgāks vai kaujinieciskāks?
RAND pētnieki aicina izveidot analītisko sistēmu un starptautiskus centienus, kas būtu vērsti uz liela attāluma bruņotu bezpilota lidaparātu izmantošanu terorisma apkarošanā un mērķtiecīgās slepkavībās.
Lēmumu pieņemšana
Politiķi pastāvīgi saskaras ar milzīgu izvēļu un motivāciju skaitu – sociālo mediju laikos ir daudz vairāk nekā pirms divdesmit gadiem. Šāda informācijas pārslodze apgrūtina pārvarēšanu krīzes laikā, nemaz nerunājot par vairākām krīzēm.
Nesen izskanēja priekšlikums pieņemt “visus lēmumus, ko prezidents pieņem caur datoru - nevis izdarīt galīgo izvēli, bet palīdzēt līderim cilvēka personā”.
Bet, lai gan AI tagad lielākoties ir nevainojams, RAND pētījums izceļ algoritmisku aizspriedumu risku, filtrējot ziņas, ietekmējot krimināltiesības un pat sociālā nodrošinājuma pabalstu un vīzu piegādi. Kādi lēmumi būtu jāuztic AI? Kam jāpaliek cilvēka rokās? Cilvēku komandas rokās?
Radīšana
Pasaule ir pieradusi pie AI, kas var veikt elpu aizraujošus skaitļošanas varoņdarbus un pārspēt cilvēkus populārās galda spēlēs (ir pagājuši tikai nedaudz vairāk nekā 20 gadi, kopš IBMDeepBlue superdators lieliski uzvarēja šaha lielmeistaru Gariju Kasparovu). Kā tas tālāk attīstīsies cilvēku radošajā telpā?
Mākslīgā intelekta pētnieks Džese Engels uzskata, ka tas "pārveidos radošo procesu, papildinot to ar viediem rīkiem, kas sniedz jaunas izteiksmes iespējas". Citi nav tik optimistiski. Žurnāliste Adrienne Lafrance atzīmē, ka mākslīgais intelekts jau var “flirtēt”, “rakstīt romānus” un “viltot slavenas gleznas ar pārsteidzošu precizitāti”. Ko nozīmē būt radošam? Turklāt, ko nozīmē būt cilvēkam?
Diskusijas par mākslīgo intelektu bieži vien nonāk galējībās, vai tas būtu solījums par utopiju bez cilvēku ciešanām vai distopijas briesmas, kad roboti paverdzina savus cilvēku radītājus. Ir vajadzīga līdzsvarotāka un stingrāka analīze, lai palīdzētu veidot politiku, lai mazinātu riskus un palielinātu ieguvumus. Ir jāveic noteikti pasākumi, lai pārvarētu bažas, ka AI pārņems valsti un sabiedrību.
Kā AI var ietekmēt valsts nacionālās intereses? Kādus AI veidus, ja tādi ir, var uzskatīt par stratēģiskām tehnoloģijām, pamatojoties uz valdības kritērijiem? Kur tirgus spēkiem būtu jāspēlē loma, un kur politikai? Lai gan AI joprojām ir zinātniskās fantastikas lieta, šie jautājumi kļūst arvien svarīgāki.
Prognožu veidošana ir nepateicīgs uzdevums, jo īpaši tāpēc, ka progress moderno mašīnmācīšanās metožu jomā ir pārspējis mūsu visdrosmīgākās cerības pēdējos gados. Bet es uzdrošinos nosaukt dažas dziļo neironu tīklu apmācības jomas, kurās tuvākajā nākotnē var sagaidīt ievērojamus panākumus.
Pirmkārt, tā ir neironu tīklu pastiprināšanas mācīšanās ideju izstrāde, kas ļaus izstrādāt jaunus pašmācības algoritmus aģentiem, kas mijiedarbojas ar vidi. Tie var būt gan roboti, gan programmas, kas darbojas virtuālajā telpā, piemēram, spēlē tādas intelektuālas spēles kā Go (jau paveikts) vai Starcraft (notiek). Galvenais mērķis šeit, protams, būs izveidot algoritmu, kas var “lidojumā” pielāgoties jaunai sarežģītai spēlei vai videi.
Otrkārt, tā ir jaunu metožu izstrāde mācībām lidojumā un metamācība. Pirmais ļauj datoram uztvert jaunus jēdzienus un nozīmes no dažiem piemēriem, tāpat kā to dara cilvēks, un atšķirībā no mūsdienu neironu tīkliem, kas apgūst jaunu jēdzienu pēc tam, kad ir pakļauti tūkstošiem vai desmitiem tūkstošu piemēru.
Otrais ļauj neironu tīklam pašam izvēlēties savas mācīšanās metodes parametrus. Tagad neironu tīklu apmācības kvalitāte un ātrums būtiski ir atkarīgs no vairāku parametru iestatīšanas (ko parasti sauc par hiperparametriem, lai tos atšķirtu no tīkla svariem, kas faktiski tiek pielāgoti apmācības laikā), kā arī no paša tīkla arhitektūra. Pašlaik tos nosaka cilvēki vai daļēji automatizētas procedūras, kas ir tālu no optimālajām. Šī iemesla dēļ neironu tīkli mācās ilgāk un sliktāk, nekā varētu.
Darbs, kas parādījās 2016. gadā, liecina, ka šo darbu principā var uzticēt neironu palīgtīklam. Kā mēs visi atceramies no vidusskolas laikiem, rūpnieciskās revolūcijas beigas ir tad, kad “mašīnas sāk ražot mašīnas”. Iespējams, nākotnē tikpat svarīgs pavērsiens būs brīdis, kad neironu tīkli sāks apmācīt neironu tīklus, un ir pamats uzskatīt, ka tas notiks jau 2017. gadā.
Treškārt, neironu tīkli iemācīsies runāt ar cilvēku (gan reprodukcijas tekstu ģenerēšanas, gan no cilvēka runas neatšķiramas runas sintezēšanas nozīmē), ģenerējot fotoreālistiskus attēlus un video secības, pamatojoties uz tekstu aprakstiem, kā arī rakstīt lielus, jēgpilnus tekstus. . Tā kļūs par mūsu tuvāko nākotni, pateicoties straujajam progresam t.s. jomā. ģeneratīvie dziļās mācīšanās modeļi. Protams, tas izraisīs jaunu uzņēmumu veidošanu, jaunu preču un pakalpojumu veidu rašanos, kā arī darba ražīguma pieaugumu tradicionālajās tautsaimniecības nozarēs, piemēram, mobilo sakaru operatoros vai bankās, kas varēs atteikties no dārgiem un neefektīviem zvanu centriem.
Visu šo problēmu atrisināšana būs nozīmīgs solis ceļā uz mašīnmācības Svēto Grālu – mākslīgā intelekta radīšanu. AI nākamgad noteikti neparādīsies, bet pēc 5-10 gadiem tas neapšaubāmi tiks izstrādāts. Turklāt jau esošie mākslīgā intelekta elementi palīdzēs zinātniekiem izveidot pilnvērtīgu AI un tādējādi paātrinās darbu šajā virzienā. AI izveide būs vissvarīgākais cilvēces sasniegums un nodrošinās tai spēcīgu civilizācijas lēcienu uz priekšu.
Svarīgi atzīmēt, ka straujš progress AI jomā ir kļuvis iespējams, lielā mērā pateicoties tam, ka šīs izstrādes tiek veiktas atklāti un jebkura persona ar minimāli nepieciešamo apmācību (piemēram, Datorikas fakultātes absolvents plkst. Tajos var piedalīties Nacionālās pētniecības universitātes Ekonomikas augstskola: pat lielas IT - korporācijas - līderi dziļās apmācības jomā nav noslēpumu (izņemot īstermiņa komerciālus), lielākajai daļai metožu ir pieejamas programmatūras ieviešanas, kā arī algoritmu matemātisks apraksts, kas izrādās pārsteidzoši ne tik sarežģīti, ņemot vērā ar to palīdzību atrisināto problēmu globālo raksturu. Tas atšķir mašīnmācīšanos no, piemēram, 20. gadsimta vidus kosmosa vai kodolprogrammām.
Papildu materiāli
Dmitrija Vetrova lekcija par mašīnmācību (lai saprastu, kas tas ir)
Mākslīgais intelekts (AI, angļu: Artificial Intelligence, AI) - zinātne un tehnoloģija, kas rada viedo mašīnu, īpaši viedo datorprogrammu, radīšanu. AI ir saistīts ar līdzīgu uzdevumu izmantot datorus, lai izprastu cilvēka intelektu, taču tas ne vienmēr ir ierobežots ar bioloģiski ticamām metodēm.
Kas ir mākslīgais intelekts
Intelekts(no lat. intellectus - sajūta, uztvere, izpratne, izpratne, jēdziens, saprāts), jeb prāts - psihes kvalitāte, kas sastāv no spējas pielāgoties jaunām situācijām, spēja mācīties un atcerēties, pamatojoties uz pieredzi, saprast un pielietot abstraktus jēdzienus un izmantot savas zināšanas vides pārvaldībā. Intelekts ir vispārēja izziņas un grūtību risināšanas spēja, kas apvieno visas cilvēka kognitīvās spējas: sajūtu, uztveri, atmiņu, reprezentāciju, domāšanu, iztēli.
80. gadu sākumā. Datorzinātnieki Barrs un Fajgenbaums ierosināja šādu mākslīgā intelekta (AI) definīciju:
Vēlāk vairākus algoritmus un programmatūras sistēmas sāka klasificēt kā AI, kuru atšķirīgā īpašība ir tāda, ka tās var atrisināt dažas problēmas tāpat kā to darītu cilvēks, kurš domā par savu risinājumu.
AI galvenās īpašības ir valodas izpratne, mācīšanās un spēja domāt un, galvenais, rīkoties.
AI ir saistītu tehnoloģiju un procesu komplekss, kas attīstās kvalitatīvi un strauji, piemēram:
- dabiskās valodas teksta apstrāde
- ekspertu sistēmas
- virtuālie aģenti (tērzēšanas roboti un virtuālie palīgi)
- ieteikumu sistēmas.
Valsts stratēģija mākslīgā intelekta attīstībai
- Galvenais raksts: Valsts stratēģija mākslīgā intelekta attīstībai
AI izpēte
- Galvenais raksts: Mākslīgā intelekta izpēte
Standartizācija AI
2019: ISO/IEC eksperti atbalstīja priekšlikumu izstrādāt standartu krievu valodā
2019. gada 16. aprīlī kļuva zināms, ka ISO/IEC mākslīgā intelekta standartizācijas apakškomiteja atbalstīja uz RVC bāzes izveidotās Tehniskās komitejas “Kiberfizikālās sistēmas” priekšlikumu izstrādāt “Mākslīgā intelekta” standarta. Jēdzieni un terminoloģija" krievu valodā papildus pamata angļu valodas versijai.
Terminoloģiskais standarts “Mākslīgais intelekts. Jēdzieni un terminoloģija” ir būtiska visai starptautisko normatīvo un tehnisko dokumentu saimei mākslīgā intelekta jomā. Papildus terminiem un definīcijām šajā dokumentā ir ietvertas konceptuālas pieejas un principi sistēmu konstruēšanai ar elementiem, AI un citu pilnīgas tehnoloģijas saistību apraksts, kā arī normatīvo un tehnisko noteikumu pamatprincipi un pamatpieejas. mākslīgais intelekts.
Pēc attiecīgās ISO/IEC apakškomitejas sēdes Dublinā ISO/IEC eksperti atbalstīja delegācijas no Krievijas priekšlikumu vienlaikus izstrādāt terminoloģisko standartu mākslīgā intelekta jomā ne tikai angļu, bet arī krievu valodā. Paredzams, ka dokuments tiks apstiprināts 2021. gada sākumā.
| Uz mākslīgā intelekta balstītu produktu un pakalpojumu attīstība prasa nepārprotamu visu tirgus dalībnieku lietoto jēdzienu interpretāciju. Terminoloģijas standarts apvienos “valodu”, kurā izstrādātāji, klienti un profesionālā kopiena sazinās, klasificēs tādas AI produktu īpašības kā “drošība”, “reproducējamība”, “uzticamība” un “konfidencialitāte”. Vienota terminoloģija kļūs arī par būtisku faktoru mākslīgā intelekta tehnoloģiju attīstībai Nacionālās tehnoloģiju iniciatīvas ietvaros - AI algoritmus NTI perimetrā izmanto vairāk nekā 80% uzņēmumu. Turklāt ISO/IEC lēmums stiprinās Krievijas ekspertu autoritāti un paplašinās ietekmi starptautisko standartu tālākā attīstībā. |
Tikšanās laikā ISO/IEC eksperti atbalstīja arī starptautiska dokumenta projekta Informācijas tehnoloģija - Mākslīgais intelekts (AI) - Pārskats par skaitļošanas pieejām AI sistēmām izstrādi, kurā Krievija darbojas kā līdzredaktors. Dokumentā sniegts pārskats par mākslīgā intelekta sistēmu pašreizējo stāvokli, aprakstot galvenos sistēmu raksturlielumus, algoritmus un pieejas, kā arī specializēto lietojumu piemērus AI jomā. Šī dokumenta projekta izstrādi veiks apakškomitejas ietvaros īpaši izveidota 5. darba grupa “AI sistēmu skaitļošanas pieejas un skaitļošanas raksturlielumi” (SC 42 5. darba grupa “AI sistēmu skaitļošanas pieejas un skaitļošanas raksturlielumi”).
| Sava darba starptautiskā līmenī ietvaros Krievijas delegācijai izdevās panākt vairākus nozīmīgus lēmumus, kas ilgtermiņā ietekmēs mākslīgā intelekta tehnoloģiju attīstību valstī. Standarta krievu valodas versijas izstrāde pat no tik agrīna fāzes ir sinhronizācijas garantija ar starptautisko lauku, un ISO/IEC apakškomitejas izveide un starptautisko dokumentu iniciēšana ar koprediģēšanu krievu valodā ir pamats tālākai Krievijas izstrādātāju interešu veicināšanai ārvalstīs,” viņš komentēja. |
Mākslīgā intelekta tehnoloģijas ir ļoti pieprasītas dažādās digitālās ekonomikas nozarēs. Viens no galvenajiem faktoriem, kas kavē to pilnvērtīgu praktisko izmantošanu, ir normatīvā regulējuma nepietiekama attīstība. Tajā pašā laikā tieši attīstītais normatīvais un tehniskais regulējums nodrošina noteikto tehnoloģiju pielietojuma kvalitāti un tai atbilstošu ekonomisko efektu.
Mākslīgā intelekta jomā TC Cyber-Physical Systems, pamatojoties uz RVC, izstrādā vairākus nacionālos standartus, kuru apstiprināšana plānota 2019. gada beigās – 2020. gada sākumā. Turklāt notiek darbs kopā ar tirgus dalībniekiem, lai izstrādātu Nacionālo standartizācijas plānu (NSP) 2020. gadam un turpmākajam gadam. TC "Kiberfiziskās sistēmas" ir atvērta ieinteresēto organizāciju priekšlikumiem dokumentu izstrādei.
2018. gads: Standartu izstrāde kvantu komunikāciju, AI un viedās pilsētas jomā
2018. gada 6. decembrī uz RVC balstītā Tehniskā komiteja “Kiberfiziskās sistēmas” kopā ar Reģionālo inženieru centru “SafeNet” uzsāka standartu kopas izstrādi Nacionālās tehnoloģiju iniciatīvas (NTI) un digitālās ekonomikas tirgiem. Līdz 2019. gada martam plānots izstrādāt tehniskās standartizācijas dokumentus kvantu sakaru jomā, un, vēstīja RVC. Lasīt vairāk.
Mākslīgā intelekta ietekme
Risks cilvēka civilizācijas attīstībai
Ietekme uz ekonomiku un uzņēmējdarbību
- Mākslīgā intelekta tehnoloģiju ietekme uz ekonomiku un biznesu
Ietekme uz darba tirgu
Mākslīgā intelekta novirze
Visa, kas ir AI prakse (mašīntulkošana, runas atpazīšana, dabiskās valodas apstrāde, datorredze, automatizēta braukšana un daudz kas cits), pamatā ir dziļa mācīšanās. Tā ir mašīnmācības apakškopa, ko raksturo neironu tīklu modeļu izmantošana, kas var teikt, ka tie atdarina smadzeņu darbību, tāpēc būtu grūti tos klasificēt kā AI. Jebkurš neironu tīkla modelis ir apmācīts uz lielām datu kopām, tāpēc tas iegūst dažas “prasmes”, taču tā veidotājiem paliek neskaidrs, kā tas tās izmanto, kas galu galā kļūst par vienu no svarīgākajām problēmām daudzās dziļās mācīšanās lietojumprogrammās. Iemesls ir tāds, ka šāds modelis formāli strādā ar attēliem, bez izpratnes par to, ko tas dara. Vai šāda sistēma AI un vai sistēmām, kas veidotas uz mašīnmācības, var uzticēties? Atbilde uz pēdējo jautājumu sniedzas ārpus zinātniskās laboratorijas. Tāpēc plašsaziņas līdzekļu uzmanība fenomenam, ko sauc par AI aizspriedumiem, ir manāmi pastiprinājusies. To var tulkot kā “AI novirze” vai “AI novirze”. Lasīt vairāk.
Mākslīgā intelekta tehnoloģiju tirgus
AI tirgus Krievijā
Globālais AI tirgus
AI pielietošanas jomas
AI pielietojuma jomas ir diezgan plašas un aptver gan pazīstamās tehnoloģijas, gan jaunas jomas, kas ir tālu no masveida pielietojuma, citiem vārdiem sakot, tas ir viss risinājumu klāsts, sākot no putekļu sūcējiem līdz kosmosa stacijām. Jūs varat sadalīt visu to daudzveidību atbilstoši galveno attīstības punktu kritērijam.
AI nav monolīta priekšmetu joma. Turklāt dažas mākslīgā intelekta tehnoloģiskās jomas parādās kā jaunas ekonomikas apakšnozares un atsevišķas vienības, vienlaikus apkalpojot lielāko daļu ekonomikas jomu.
AI izmantošanas attīstība noved pie tehnoloģiju pielāgošanas klasiskajās ekonomikas nozarēs visā vērtību ķēdē un pārveido tās, kā rezultātā tiek algoritmizēta gandrīz visa funkcionalitāte, sākot no loģistikas līdz uzņēmuma vadībai.
AI izmantošana aizsardzības un militārajās lietās
Izmantošana izglītībā
AI izmantošana biznesā
AI cīņā pret krāpšanu
2019. gada 11. jūlijā kļuva zināms, ka tikai divu gadu laikā mākslīgais intelekts un mašīnmācīšanās tiks izmantoti krāpšanas apkarošanai trīs reizes biežāk nekā 2019. gada jūlijā. Šādi dati iegūti SAS un Sertificēto krāpšanas pārbaudītāju asociācijas (ACFE) kopīgā pētījumā. 2019. gada jūlijā šādus krāpšanas apkarošanas rīkus jau izmanto 13% aptaujā iesaistīto organizāciju, un vēl 25% norādīja, ka plāno tos ieviest tuvākā gada vai divu laikā. Lasīt vairāk.
AI elektroenerģijas nozarē
- Projektēšanas līmenī: uzlabota enerģijas resursu ražošanas un pieprasījuma prognozēšana, elektroenerģijas ražošanas iekārtu uzticamības novērtējums, palielinātas ražošanas automatizācija, pieaugot pieprasījumam.
- Ražošanas līmenī: iekārtu profilaktiskās apkopes optimizācija, ražošanas efektivitātes paaugstināšana, zudumu samazināšana, energoresursu zādzību novēršana.
- Akcijas līmenī: cenu optimizācija atkarībā no diennakts laika un dinamiskie norēķini.
- Pakalpojuma sniegšanas līmenī: automātiska ienesīgākā piegādātāja izvēle, detalizēta patēriņa statistika, automatizēta klientu apkalpošana, enerģijas patēriņa optimizācija, ņemot vērā klienta paradumus un uzvedību.
AI ražošanā
- Dizaina līmenī: jaunu produktu izstrādes efektivitātes paaugstināšana, automatizēta piegādātāju novērtēšana un rezerves daļu prasību analīze.
- Ražošanas līmenī: uzdevumu izpildes procesa uzlabošana, montāžas līniju automatizācija, kļūdu skaita samazināšana, izejvielu piegādes termiņu samazināšana.
- Akcijas līmenī: atbalsta un uzturēšanas pakalpojumu apjoma prognozēšana, cenu noteikšana.
- Pakalpojumu sniegšanas līmenī: autoparka maršrutu plānošanas uzlabošana, autoparka resursu pieprasījums, servisa inženieru apmācības kvalitātes uzlabošana.
AI bankās
- Rakstu atpazīšana - lietota t.sk. atpazīt klientus filiālēs un nodot viņiem specializētus piedāvājumus.
AI transportā
- Automobiļu rūpniecība ir uz revolūcijas sliekšņa: 5 bezpilota braukšanas laikmeta izaicinājumi
AI loģistikā
AI alus darīšanā
AI tiesu sistēmā
Notikumi mākslīgā intelekta jomā palīdzēs radikāli mainīt tiesu sistēmu, padarot to godīgāku un brīvāku no korupcijas shēmām. Šādu viedokli 2017. gada vasarā pauda tehnisko zinātņu doktors, Artezio tehniskais konsultants Vladimirs Krilovs.
Zinātnieks uzskata, ka esošos risinājumus AI jomā var veiksmīgi pielietot dažādās ekonomikas un sabiedriskās dzīves sfērās. Eksperts norāda, ka mākslīgais intelekts tiek veiksmīgi izmantots medicīnā, taču nākotnē tas var pilnībā mainīt tiesu sistēmu.
“Katru dienu skatoties uz ziņu reportāžām par notikumiem mākslīgā intelekta jomā, jūs esat tikai pārsteigts par pētnieku un izstrādātāju neizsīkstošo iztēli un auglību šajā jomā. Ziņojumi par zinātniskiem pētījumiem pastāvīgi tiek mijas ar publikācijām par jauniem produktiem, kas parādās tirgū, un ziņojumiem par pārsteidzošiem rezultātiem, kas iegūti, izmantojot AI dažādās jomās. Ja runājam par gaidāmajiem notikumiem, ko pavada ievērojama ažiotāža medijos, kuros AI atkal kļūs par ziņu varoni, tad droši vien neriskēšu ar tehnoloģiskām prognozēm. Es varu iedomāties, ka nākamais notikums būs ārkārtīgi kompetentas tiesas parādīšanās mākslīgā intelekta veidā, godīga un neuzpērkama. Acīmredzot tas notiks 2020.–2025. Un procesi, kas notiks šajā tiesā, radīs negaidītas pārdomas un daudzu cilvēku vēlmi pārnest uz AI lielāko daļu cilvēku sabiedrības pārvaldības procesu.
Zinātnieks atzīst mākslīgā intelekta izmantošanu tiesu sistēmā kā “loģisku soli”, lai attīstītu likumdošanas vienlīdzību un taisnīgumu. Mašīninteliģence nav pakļauta korupcijai un emocijām, var stingri ievērot likumdošanas bāzi un pieņemt lēmumus, ņemot vērā daudzus faktorus, tostarp datus, kas raksturo strīdā iesaistītās puses. Pēc analoģijas ar medicīnas jomu, robotu tiesneši var strādāt ar lieliem datiem no valdības pakalpojumu krātuvēm. Var pieņemt, ka
Mūzika
Glezna
2015. gadā Google komanda pārbaudīja neironu tīklus, lai noskaidrotu, vai tie var izveidot attēlus paši. Pēc tam mākslīgais intelekts tika apmācīts, izmantojot lielu skaitu dažādu attēlu. Taču, kad mašīnai “palūdza” kaut ko attēlot pati par sevi, izrādījās, ka tā nedaudz dīvainā veidā interpretē apkārtējo pasauli. Piemēram, hanteles zīmēšanas uzdevumam izstrādātāji saņēma attēlu, kurā metāls bija savienots ar cilvēka rokām. Tas, iespējams, notika tāpēc, ka apmācības posmā analizētajos attēlos ar hanteles bija rokas, un neironu tīkls to interpretēja nepareizi.
2016. gada 26. februārī īpašā izsolē Sanfrancisko Google pārstāvji no psihedēliskām gleznām, ko radījis mākslīgais intelekts, savāca aptuveni 98 tūkstošus dolāru. Šie līdzekļi tika ziedoti labdarībai. Viens no veiksmīgākajiem automašīnas attēliem ir parādīts zemāk.
Google mākslīgā intelekta gleznota glezna.
