Temat sztucznej inteligencji (AI) dominował w wiadomościach medialnych przez cały rok. Ton nadają główni newsmakerzy – Elon Musk i Mark Zuckerberg, dyskutując o zagrożeniach i korzyściach płynących z wykorzystania sztucznej inteligencji w życiu człowieka. Rosja i Chiny zadeklarowały rozwój sztucznej inteligencji jako priorytetowy kierunek w gospodarce cyfrowej. Rok 2018 będzie rokiem rozwoju i dalszych badań nad możliwościami wykorzystania AI, zwłaszcza metody deep learning, jako najbardziej obiecującej gałęzi Sztucznej Inteligencji. O tym trendzie w obszarze wysokich technologii opowiem więcej na przykładzie wykorzystania AI w marketingu.
Istotą sztucznej inteligencji jest tworzenie maszyn tak inteligentnych, że przewyższą zdolności myślenia i analityczne człowieka. Uczenie maszynowe, podstawowa metoda AI, ma takie możliwości i jest już szeroko stosowana w wielu sektorach gospodarki i obszarach życia ludzkiego. Szybko rozwijają się jednak także inne, bardziej zaawansowane technologie.
Jest to szczególnie widoczne w tempie rozwoju głębokiego uczenia się, które niemal całkowicie odwzorowuje zasadę działania ludzkiego mózgu w przetwarzaniu danych i modelowaniu podejmowania decyzji. W 2017 roku głębokie uczenie się stało się integralną częścią procesów technologicznych w służbie zdrowia i produkcji motoryzacyjnej. Marketing, jako najbardziej dynamiczny element każdego biznesu, również nie stronił od wykorzystania zaawansowanych technologii. Deep learning wywarło rewolucyjny wpływ na całą branżę reklamową.
Technologia zastosowana w metodzie głębokiego uczenia się opiera się na zasadach interakcji neuronów biologicznych. Za pomocą samouczących się algorytmów marketerzy uzyskują obecnie opisy potencjału zakupowego klienta bez pomocy człowieka. Przykładowo RTB House przeanalizowało ostatnio ogromną ilość danych, z których jasno wynika, że wykorzystanie Sztucznej Inteligencji zamiast rekomendacji doświadczonych marketerów w kampaniach retargetingowych może poprawić wyniki konwersji aż o 35%. A to jeszcze nie wszystko. Korzystając z metody głębokiego uczenia się, reklamodawcy otrzymują prognozę działań użytkownika na podstawie analizy jego cech behawioralnych i pragnień. To znacznie upraszcza pracę marketera, oferując najlepsze opcje ukierunkowanych przekazów reklamowych zawierających produkty, o których użytkownik nawet nie wiedział lub jeszcze go nie widział.
Wiele dużych marek dostrzegło już korzyści płynące z wdrożenia rozwiązań głębokiego uczenia się w swoich produktach lub narzędziach marketingowych. W 2018 roku spodziewamy się powszechnego wykorzystania głębokiego uczenia się i zwiększonych inwestycji w rozwój jego potencjału.
Od „uczenia się pod nadzorem” do nowych horyzontów
W 2017 roku nastąpiło odejście od typowego dla procesu uczenia maszynowego tzw. „uczenia nadzorowanego” na rzecz bardziej złożonego systemu „uczenia transferowego”. Technologia ta polega na przekazywaniu instrukcji człowieka do komputera: analizie istniejących modeli decyzyjnych, przykładach, zbiorach danych i ich późniejszej analizie.
Sposób, w jaki działa uczenie się transferowe, polega na zdolności komputera do przetwarzania danych pochodzących z symulacji, a nie z rzeczywistości. Proces ten jest znacznie prostszy i tańszy, a także szybszy, co jest bardzo istotne przy analizie ogromnych ilości danych. Dzięki tej metodzie maszyna uczy się samodzielnie podejmować decyzje: na podstawie logicznych wniosków, analogii lub dedukcji.
Na przykład, korzystając ze starszego modelu uczenia maszynowego, autonomiczny samochód może przejechać miliony mil podczas rejestrowania danych. Dane te przekazywane są do samochodu, który na podstawie decyzji kierowcy rozumie, jak prowadzić samochód. Dzięki „transferowi nauki” prawdziwy kierowca nie jest już potrzebny. Zamiast tego można pobierać dane z różnych symulacji jazdy. Symulując miliony godzin jazdy, samochód sam rozumie, dokąd ma jechać i już przekłada tę wiedzę na realny świat.
Drugie podejście nazywa się „wzmocnionym uczeniem się”. Jego celem jest nauczenie komputera podejmowania najlepszych decyzji w oparciu o informacje zwrotne z otoczenia i zachodzących w nim działań. Jak to się dzieje na przykład podczas udziału w licytacji na zakup powierzchni reklamowej. Systemy aukcyjne są bardzo złożone. Nawet eksperci często mają problem z określeniem optymalnej stawki, która pozwoli im osiągnąć pożądane rezultaty przy minimalnych kosztach. Samochód będzie napotykał te same przeszkody na początku swojego ruchu. Jednak w przeciwieństwie do człowieka samochód może działać 24 godziny na dobę w środowisku symulacyjnym. Może także nauczyć się zestawu działań znacznie szybciej niż człowiek. Wracając do naszego przykładu zakupu powierzchni reklamowej, komputer uczy się symulując aukcje, otrzymując dane, jak najskuteczniej działać i dzięki temu wygrać aukcję.
Nowe miejsca pracy i nowe wyzwania
Rzeczywiście, zasada działania algorytmów głębokiego uczenia się jest absolutnie identyczna z funkcjonowaniem ludzkiego mózgu. Jednak w przeciwieństwie do ludzi komputery uczą się znacznie szybciej i mogą analizować ogromne ilości danych. Komputery nie zasypiają i popełniają mnóstwo błędów. Tutaj liczy się super wydajność. W bardzo prosty sposób sztuczna inteligencja będzie dążyć do przekroczenia ludzkich możliwości w wielu obszarach. Obecnie algorytmy samouczące się są w stanie rozpoznawać działania i obrazy znacznie dokładniej niż człowiek.
Czy to oznacza, że istnieje niebezpieczeństwo całkowitego zastąpienia ludzi przez roboty? Nie bardzo. Według Światowego Forum Ekonomicznego 65% dzieci rozpoczynających dziś naukę w szkole podstawowej znajdzie pracę, która obecnie nie istnieje. Obecny poziom rozwoju AI pozwala firmom na poszukiwanie większej liczby specjalistów IT, analityków danych i programistów. W przyszłym roku prawdopodobnie będziemy świadkami gwałtownego wzrostu liczby ofert pracy dla analityków danych. Chociaż teraz taka propozycja nie jest jeszcze popularna.
Innowacje roku 2017 otrzymają potężny impuls rozwojowy w roku 2018
Cele jakie przyświecają wdrażaniu metody głębokiego uczenia się to uproszczenie naszego życia i zwiększenie efektywności ludzkiego działania. Dlatego wykorzystanie AI nie jest już standardem, ale koniecznością dla firm chcących być konkurencyjnymi na globalnym rynku. Nie chodzi tutaj o możliwość personalizacji czy ulepszenia możliwości finalnego produktu, ale także o szereg innych działań pośrednich, takich jak zbieranie i analiza danych. Firmy mają już tak dużą ilość danych do analizy, że nie radzą sobie z ich przetwarzaniem.
Sytuacja ta bezpośrednio wpływa na decyzje podejmowane przez pracowników, a co za tym idzie na ich wyniki finansowe. Coraz większe zapotrzebowanie będzie na firmy, których działalność specjalizuje się w gromadzeniu i analizowaniu danych dla różnych przedsiębiorstw. Firmy dysponujące większymi budżetami będą wykorzystywać sztuczną inteligencję do klasyfikacji: co zaoferować klientom, jakie warunki polecić dostawcom, jak instruować pracowników, co mówić i robić w czasie rzeczywistym. Należy również założyć, że w miarę upowszechniania się tej technologii wkrótce pojawi się wiele nowych startupów oferujących rozwiązania oparte na algorytmach samouczących się.
W 2017 roku sztuczna inteligencja stała się częścią naszego codziennego życia i dyskusji publicznych. W nadchodzących latach nacisk zostanie położony na rozwój różnych technologii opartych na sztucznej inteligencji, które zastąpią człowieka w wielu złożonych branżach, ostatecznie znacznie ułatwiając nam życie. Ale to będzie wymagało dużo pracy.
Ericsson wymienił 10 najpopularniejszych trendów konsumenckich na przyszły rok
Sztuczna inteligencja i wirtualna rzeczywistość: 10 trendów konsumenckich na 2017 rok. Zdjęcie: elearningindustry.com
Ericsson przedstawił swoją prognozę najpopularniejszych trendów konsumenckich na przyszły rok. Topowym trendem roku 2017 będzie sztuczna inteligencja, która stopniowo wkracza do naszej codzienności.
Więc Ericsson zadzwonił najpopularniejsze trendy konsumenckie na rok 2017:
Coraz więcej osób pragnie, aby sztuczna inteligencja wkroczyła do ich życia. 35% internautów chciałoby, aby sztuczna inteligencja była ich asystentem w pracy, a 25% menadżerem. Jednak 50% respondentów uważa sztuczną inteligencję za niebezpieczną. W szczególności technologia ta może spowodować utratę pracy przez wiele osób, ponieważ ich funkcje z łatwością mogą wykonywać roboty.
Aplikacje są aktywnie wykorzystywane do upraszczania i automatyzacji niektórych aspektów życia. Jednocześnie przyspiesza rozwój Internetu Rzeczy. 40% respondentów jest przekonanych, że nadejdzie czas, gdy smartfony będą mogły nauczyć się nawyków i wykonywać szereg funkcji swoich właścicieli.
I znowu o utracie pracy – wkrótce sztuczna inteligencja zastąpi także kierowców. 25% respondentów popiera pomysł zastąpienia kierowców autopilotami, gdyż uważa, że będzie to znacznie bezpieczniejsze dla pieszych. 65% ankietowanych chciałoby kupić samochód z autopilotem.
80% respondentów jest przekonanych, że już za trzy lata rzeczywistość wirtualna osiągnie taki poziom rozwoju, że nie będzie można jej odróżnić od świata fizycznego.
Respondenci przewidują, że rozwój nowych technologii będzie miał negatywny wpływ na zdrowie ludzi. W szczególności korzystanie z aplikacji wirtualnej i rozszerzonej rzeczywistości będzie powodować chorobę lokomocyjną, na którą 33% ankietowanych jest skłonnych zażywać odpowiednie pigułki.
Pomimo tego, że większość ludzi stara się jak najlepiej chronić, 60% respondentów przyznaje, że korzystanie ze smartfonów niesie ze sobą ryzyko.
Ponad 50% respondentów chciałoby mieć okulary rozszerzonej rzeczywistości. Wśród możliwych opcji ich zastosowania: wyróżnianie ciemnych obszarów, ostrzeganie o niebezpieczeństwie, możliwość zmiany lub wyeliminowania irytujących elementów otoczenia.
Ponad 30% respondentów jest przekonanych, że w Internecie nie ma już czegoś takiego jak prywatność, dlatego 50% uczestników badania jest zadowolonych z „w miarę dobrego” poziomu prywatności.
Zdaniem ekspertów już za pięć lat wszyscy użytkownicy Internetu otrzymają wszystkie produkty i usługi pięciu największych firm informatycznych.
POMOC MAGAZYNU PAYSPACE
O tym fakcie pisaliśmy już wcześniej.
Kai Fu Lee, prezes SinovationVentures, uważa, że sztuczna inteligencja „ma na celu utratę miejsc pracy na dużą skalę”, jednocześnie koncentrując bogactwo w rękach firm, które opracowują lub wdrażają sztuczną inteligencję. Inni uważają, że podobne obawy pojawiły się wraz z pojawieniem się wszystkich technologii zmieniających świat, począwszy od prasy drukarskiej w XV wieku.
The Economist zapewnia czytelników, że „sztuczna inteligencja tworzy popyt na miejsca pracy”, a rosnąca liczba ludzi na całym świecie „świadczy usługi cyfrowe w Internecie”. Które firmy i kraje będą prosperować w erze sztucznej inteligencji? Które segmenty znikną, zmienią się lub zostaną utworzone? Jak zmieni się charakter pracy?
Działania wojenne
Zwolennicy uzbrojonych dronów argumentują, że taka broń może trafiać cele ze znacznie większą celnością niż ludzie; im większą rolę odgrywają na teatrze działań, tym rzadziej technicy będą ich używać do wyrządzania krzywdy.
Ale co, jeśli taka broń stanie się niezależna i będzie działać niezależnie, bez interwencji człowieka? Czy usunięcie osób z list personelu wojskowego doprowadzi do jeszcze poważniejszego i nie do powstrzymania wyścigu zbrojeń?
W liście otwartym opublikowanym podczas Międzynarodowej Wspólnej Konferencji na temat Sztucznej Inteligencji w 2015 r. ostrzegł, że autonomiczna broń „nie wymaga drogich ani trudnych do znalezienia surowców i dlatego stanie się wszechobecna i tania, aby wszystkie znaczące siły zbrojne mogły ją produkować masowo”. Czy era broni automatycznej będzie spokojniejsza czy bardziej bojowa?
Badacze RAND wzywają do stworzenia ram analitycznych i międzynarodowych wysiłków skupionych na wykorzystaniu uzbrojonych dronów dalekiego zasięgu w walce z terroryzmem i ukierunkowanych zabójstwach.
Podejmować decyzje
Politycy nieustannie stają przed ogromną liczbą wyborów i motywacji – w czasach mediów społecznościowych o wiele więcej niż dwadzieścia lat temu. Taki nadmiar informacji utrudnia radzenie sobie w czasie kryzysu, a co dopiero wielu kryzysów.
Niedawno pojawiła się propozycja, aby „wszystkie decyzje, które prezydent podejmuje, przekazywano za pomocą komputera – nie po to, aby dokonać ostatecznego wyboru, ale aby pomóc przywódcy w osobie”.
Chociaż sztuczna inteligencja jest obecnie w dużej mierze bez winy, badanie RAND podkreśla ryzyko błędów algorytmicznych w filtrowaniu wiadomości, wpływaniu na wymiar sprawiedliwości w sprawach karnych, a nawet w zapewnianiu świadczeń i wiz z Ubezpieczeń Społecznych. Jakie decyzje warto powierzyć AI? Co powinno pozostać w rękach człowieka? W rękach zespołu ludzi?
kreacja
Świat przyzwyczaił się do sztucznej inteligencji, która potrafi dokonywać zapierających dech w piersiach wyczynów obliczeniowych i pokonywać ludzi w popularnych grach planszowych (minęło nieco ponad 20 lat, odkąd superkomputer IBMDeepBlue pokonał arcymistrza szachowego Garry'ego Kasparowa). Jak będzie się dalej rozwijać w przestrzeni twórczej ludzi?
Badacz sztucznej inteligencji Jesse Engel wierzy, że „przekształci ona proces twórczy... poprzez wzbogacenie go o inteligentne narzędzia zapewniające nowe możliwości ekspresji”. Inni nie są tak optymistyczni. Dziennikarka Adrienne Lafrance zauważa, że sztuczna inteligencja może już „flirtować”, „pisać powieści” i „podrabiać słynne obrazy z niesamowitą dokładnością”. Co to znaczy być kreatywnym? Poza tym, co to znaczy być człowiekiem?
Dyskusje na temat sztucznej inteligencji często schodzą do skrajności, niezależnie od tego, czy chodzi o obietnicę utopii wolnej od ludzkiego cierpienia, czy o niebezpieczeństwo dystopii, w której roboty zniewalają swoich ludzkich twórców. Potrzebna jest bardziej wyważona i rygorystyczna analiza, która pomoże w kształtowaniu polityki ograniczającej ryzyko i maksymalizującej korzyści. Należy podjąć pewne kroki, aby przezwyciężyć obawy, że sztuczna inteligencja przytłoczy państwo i społeczeństwo.
W jaki sposób sztuczna inteligencja może wpłynąć na interesy narodowe kraju? Jakie rodzaje sztucznej inteligencji, jeśli w ogóle, można uznać za technologie strategiczne w oparciu o kryteria rządowe? Gdzie powinny odgrywać rolę siły rynkowe, a gdzie polityka? Chociaż sztuczna inteligencja pozostaje w dużej mierze tematem science fiction, pytania te stają się coraz ważniejsze.
Prognozowanie jest zadaniem niewdzięcznym, zwłaszcza że postęp w dziedzinie nowoczesnych metod uczenia maszynowego w ostatnich latach przerósł nasze najśmielsze oczekiwania. Zaryzykowałbym jednak wymienienie kilku obszarów w dziedzinie uczenia głębokich sieci neuronowych, w których w najbliższej przyszłości można spodziewać się znacznego postępu.
Po pierwsze, jest to rozwój idei uczenia się przez wzmacnianie sieci neuronowych, co umożliwi opracowanie nowych algorytmów samouczenia się agentów wchodzących w interakcję z otoczeniem. Mogą to być zarówno roboty, jak i programy działające w przestrzeni wirtualnej, np. grające w gry intelektualne typu Go (już zrobione) czy Starcraft (w toku). Głównym celem tutaj będzie oczywiście stworzenie algorytmu, który będzie w stanie dostosować się „w locie” do nowej złożonej gry lub środowiska.
Po drugie, jest to rozwój nowych metod uczenia się w locie i meta-learningu. Pierwsza pozwala komputerowi uchwycić nowe pojęcia i znaczenia na podstawie kilku przykładów, tak jak robi to człowiek, w przeciwieństwie do współczesnych sieci neuronowych, które uczą się nowego pojęcia po zetknięciu się z tysiącami lub dziesiątkami tysięcy przykładów.
Drugie pozwala sieci neuronowej samodzielnie wybrać parametry swojej metody uczenia się. Obecnie jakość i szybkość uczenia sieci neuronowych w znacznym stopniu zależy od ustawienia szeregu parametrów (zwykle nazywanych hiperparametrami, aby odróżnić je od wag sieci, które w rzeczywistości są dostosowywane podczas uczenia), a także od architekturę samej sieci. Obecnie wyznaczają je ludzie lub półautomatyczne procedury, które są dalekie od optymalnych. Z tego powodu sieci neuronowe uczą się dłużej i gorzej, niż mogłyby.
Praca, która ukazała się w 2016 roku pokazuje, że prace te w zasadzie można powierzyć pomocniczej sieci neuronowej. Jak wszyscy pamiętamy ze szkoły średniej, rewolucja przemysłowa kończy się wtedy, gdy „maszyny zaczynają produkować maszyny”. Być może w przyszłości równie ważnym kamieniem milowym będzie moment, w którym sieci neuronowe zaczną trenować sieci neuronowe, a istnieją podstawy sądzić, że stanie się to już w 2017 roku.
Po trzecie, sieci neuronowe nauczą się rozmawiać z człowiekiem (zarówno w sensie generowania replik tekstów, jak i syntezy mowy nieodróżnialnej od mowy ludzkiej), generowania fotorealistycznych obrazów i sekwencji wideo na podstawie opisów tekstowych oraz pisania dużych, znaczących tekstów . Taka będzie nasza najbliższa przyszłość dzięki szybkiemu postępowi w dziedzinie tzw. generatywne modele głębokiego uczenia się. Oczywiście doprowadzi to do powstania nowych przedsiębiorstw, pojawienia się nowych rodzajów towarów i usług, a także wzrostu wydajności pracy w tradycyjnych sektorach gospodarki, takich jak operatorzy komórkowi czy banki, które będą mogły porzucić drogie i nieefektywne call center.
Rozwiązanie wszystkich tych problemów będzie ważnym krokiem w stronę Świętego Graala uczenia maszynowego – stworzenia sztucznej inteligencji. Sztuczna inteligencja na pewno nie pojawi się w przyszłym roku, ale za 5-10 lat niewątpliwie zostanie rozwinięta. Co więcej, istniejące już elementy sztucznej inteligencji pomogą naukowcom stworzyć pełnoprawną sztuczną inteligencję, a tym samym przyspieszą prace w tym kierunku. Stworzenie AI będzie najważniejszym osiągnięciem ludzkości i zapewni jej potężny skok cywilizacyjny.
Warto podkreślić, że szybki postęp w dziedzinie AI stał się możliwy w dużej mierze dzięki temu, że rozwój ten odbywa się w sposób otwarty i każda osoba posiadająca minimum niezbędnego przeszkolenia (np. PIB Wyższa Szkoła Ekonomiczna) mogą w nich wziąć udział: nawet duże IT – korporacje – liderzy w dziedzinie deep learningu nie mają przed sobą tajemnic (poza krótkoterminowymi komercyjnymi), dostępne są wdrożenia programowe większości metod, a także opis matematyczny algorytmów, które okazują się zaskakująco niezbyt skomplikowane, biorąc pod uwagę globalny charakter problemów rozwiązywanych za ich pomocą. To odróżnia uczenie maszynowe od, powiedzmy, programów kosmicznych czy nuklearnych z połowy XX wieku.
Dodatkowe materiały
Wykład Dmitrija Vetrova na temat uczenia maszynowego (aby zrozumieć, co to jest)
Sztuczna inteligencja (AI, ang. Sztuczna inteligencja, AI) – nauka i technologia tworzenia inteligentnych maszyn, w szczególności inteligentnych programów komputerowych. Sztuczna inteligencja wiąże się z podobnym zadaniem, jakim jest wykorzystanie komputerów do zrozumienia ludzkiej inteligencji, ale niekoniecznie ogranicza się do biologicznie wiarygodnych metod.
Czym jest sztuczna inteligencja
Inteligencja(od łac. intellectus – doznanie, percepcja, zrozumienie, zrozumienie, koncepcja, rozum) czyli umysł – cecha psychiki polegająca na umiejętności przystosowania się do nowych sytuacji, zdolności uczenia się i zapamiętywania w oparciu o doświadczenie, rozumienia i stosowania abstrakcyjne koncepcje i wykorzystywać swoją wiedzę do zarządzania środowiskowego. Inteligencja to ogólna zdolność poznania i rozwiązywania trudności, która łączy w sobie wszystkie zdolności poznawcze człowieka: czucie, percepcję, pamięć, reprezentację, myślenie, wyobraźnię.
Na początku lat 80. Obliczeniowcy Barr i Fajgenbaum zaproponowali następującą definicję sztucznej inteligencji (AI):
Później wiele algorytmów i systemów oprogramowania zaczęto klasyfikować jako sztuczną inteligencję, której charakterystyczną właściwością jest to, że mogą rozwiązać niektóre problemy w taki sam sposób, jak zrobiłaby to osoba myśląca o ich rozwiązaniu.
Główne właściwości AI to rozumienie języka, uczenie się oraz zdolność myślenia i, co ważne, działania.
AI to zespół powiązanych technologii i procesów, które rozwijają się jakościowo i szybko, na przykład:
- przetwarzanie tekstu w języku naturalnym
- systemy eksperckie
- wirtualni agenci (chatboty i wirtualni asystenci)
- systemy rekomendacji.
Narodowa strategia rozwoju sztucznej inteligencji
- Główny artykuł: Narodowa strategia rozwoju sztucznej inteligencji
Badania nad sztuczną inteligencją
- Główny artykuł: Badania nad sztuczną inteligencją
Standaryzacja w AI
2019: Eksperci ISO/IEC poparli propozycję opracowania normy w języku rosyjskim
W dniu 16 kwietnia 2019 roku okazało się, że podkomitet ISO/IEC ds. normalizacji w zakresie sztucznej inteligencji poparł propozycję Komitetu Technicznego „Systemy Cyberfizyczne”, utworzonego na bazie RVC, dotyczącą opracowania „Sztucznej inteligencji” standard. Pojęcia i terminologia” w języku rosyjskim oprócz podstawowej wersji angielskiej.
Standard terminologiczny „Sztuczna inteligencja. Pojęcia i terminologia” ma fundamentalne znaczenie dla całej rodziny międzynarodowych dokumentów regulacyjnych i technicznych w dziedzinie sztucznej inteligencji. Oprócz terminów i definicji, dokument ten zawiera podejścia koncepcyjne i zasady konstruowania systemów z elementów, opis relacji między sztuczną inteligencją a innymi technologiami typu end-to-end, a także podstawowe zasady i podejścia ramowe do przepisów regulacyjnych i technicznych sztucznej inteligencji.
Po spotkaniu odpowiedniego podkomitetu ISO/IEC w Dublinie eksperci ISO/IEC poparli propozycję delegacji z Rosji, aby jednocześnie opracować standard terminologiczny z zakresu sztucznej inteligencji nie tylko w języku angielskim, ale także rosyjskim. Oczekuje się, że dokument zostanie zatwierdzony na początku 2021 roku.
| Rozwój produktów i usług opartych na sztucznej inteligencji wymaga jednoznacznej interpretacji pojęć stosowanych przez wszystkich uczestników rynku. Standard terminologiczny ujednolici „język”, w którym komunikują się programiści, klienci i społeczność profesjonalna, klasyfikując takie właściwości produktów opartych na sztucznej inteligencji, jak „bezpieczeństwo”, „odtwarzalność”, „niezawodność” i „poufność”. Ujednolicona terminologia stanie się także ważnym czynnikiem rozwoju technologii sztucznej inteligencji w ramach Krajowej Inicjatywy Technologicznej – z algorytmów AI korzysta ponad 80% firm z kręgu NTI. Ponadto decyzja ISO/IEC wzmocni autorytet i rozszerzy wpływ rosyjskich ekspertów na dalszy rozwój międzynarodowych standardów. |
Podczas spotkania eksperci ISO/IEC wsparli także opracowanie projektu międzynarodowego dokumentu Information Technology – Artificial Intelligence (AI) – Review of Computational Approaches for AI Systems, którego Rosja jest współredaktorem. Dokument zawiera przegląd aktualnego stanu systemów sztucznej inteligencji, opisując główne cechy systemów, algorytmy i podejścia, a także przykłady specjalistycznych zastosowań w obszarze AI. Opracowaniem projektu dokumentu zajmie się specjalnie utworzona grupa robocza 5 „Podejścia obliczeniowe i charakterystyka obliczeniowa systemów AI” w ramach podkomitetu (Grupa Robocza SC 42 5 „Podejścia obliczeniowe i charakterystyka obliczeniowa systemów AI”).
| W ramach prac na poziomie międzynarodowym delegacji rosyjskiej udało się osiągnąć szereg przełomowych decyzji, które będą miały długoterminowy wpływ na rozwój technologii sztucznej inteligencji w kraju. Opracowanie rosyjskojęzycznej wersji normy, nawet na tak wczesnym etapie, jest gwarancją synchronizacji z obszarem międzynarodowym, a rozwój podkomitetu ISO/IEC i inicjowanie dokumentów międzynarodowych przy współredakcji rosyjskiej jest gwarancją stanowi podstawę do dalszego promowania interesów rosyjskich deweloperów za granicą” – skomentował. |
Technologie sztucznej inteligencji cieszą się dużym zainteresowaniem w różnych sektorach gospodarki cyfrowej. Do głównych czynników utrudniających ich praktyczne wykorzystanie na pełną skalę należy niedostateczny rozwój ram regulacyjnych. Jednocześnie to dobrze rozwinięte ramy regulacyjne i techniczne zapewniają określoną jakość zastosowania technologii i odpowiadający jej efekt ekonomiczny.
W obszarze sztucznej inteligencji TC Cyber-Physical Systems w oparciu o RVC opracowuje szereg krajowych standardów, których zatwierdzenie planowane jest na koniec 2019 r. - początek 2020 r. Ponadto trwają prace wraz z uczestnikami rynku nad sformułowaniem Krajowego Planu Normalizacyjnego (NSP) na rok 2020 i lata kolejne. TC „Systemy cyberfizyczne” jest otwarte na propozycje opracowania dokumentów od zainteresowanych organizacji.
2018: Opracowanie standardów w obszarze komunikacji kwantowej, AI i smart city
W dniu 6 grudnia 2018 roku Komitet Techniczny „Systemy Cyber-Fizyczne” oparty na RVC wraz z Regionalnym Centrum Inżynieryjnym „SafeNet” rozpoczął opracowywanie zestawu standardów dla rynków Narodowej Inicjatywy Technologicznej (NTI) i gospodarki cyfrowej. Do marca 2019 r. planowane jest opracowanie dokumentów normalizacyjnych technicznych w dziedzinie komunikacji kwantowej – podaje RVC. Czytaj więcej.
Wpływ sztucznej inteligencji
Zagrożenie dla rozwoju cywilizacji ludzkiej
Wpływ na gospodarkę i biznes
- Wpływ technologii sztucznej inteligencji na gospodarkę i biznes
Wpływ na rynek pracy
Błąd sztucznej inteligencji
U podstaw wszystkiego, co stanowi praktykę sztucznej inteligencji (tłumaczenie maszynowe, rozpoznawanie mowy, przetwarzanie języka naturalnego, wizja komputerowa, zautomatyzowana jazda i wiele więcej), leży głębokie uczenie się. Jest to podzbiór uczenia maszynowego, charakteryzujący się wykorzystaniem modeli sieci neuronowych, o których można powiedzieć, że naśladują działanie mózgu, więc sklasyfikowanie ich jako sztucznej inteligencji byłoby nadużyciem. Każdy model sieci neuronowej jest szkolony na dużych zbiorach danych, dzięki czemu nabywa pewne „umiejętności”, ale sposób, w jaki je wykorzystuje, pozostaje dla jego twórców niejasny, co ostatecznie staje się jednym z najważniejszych problemów wielu aplikacji głębokiego uczenia się. Powodem jest to, że taki model formalnie pracuje z obrazami, bez żadnego zrozumienia, co robi. Czy taki system to sztuczna inteligencja i czy można ufać systemom zbudowanym na uczeniu maszynowym? Konsekwencje odpowiedzi na ostatnie pytanie wykraczają poza laboratorium naukowe. Dlatego też zauważalnie wzrosło zainteresowanie mediów zjawiskiem zwanym stronniczością AI. Można to przetłumaczyć jako „stronniczość AI” lub „stronniczość AI”. Czytaj więcej.
Rynek technologii sztucznej inteligencji
Rynek sztucznej inteligencji w Rosji
Globalny rynek sztucznej inteligencji
Obszary zastosowań AI
Obszary zastosowań AI są dość szerokie i obejmują zarówno znane technologie, jak i pojawiające się nowe obszary, dalekie od masowego zastosowania, czyli inaczej mówiąc, jest to cała gama rozwiązań, od odkurzaczy po stacje kosmiczne. Całą ich różnorodność można podzielić według kryterium kluczowych punktów rozwoju.
Sztuczna inteligencja nie jest monolitycznym obszarem tematycznym. Co więcej, niektóre obszary technologiczne AI pojawiają się jako nowe podsektory gospodarki i odrębne podmioty, obsługując jednocześnie większość obszarów gospodarki.
Rozwój wykorzystania AI prowadzi do adaptacji technologii w klasycznych sektorach gospodarki wzdłuż całego łańcucha wartości i przekształca je, prowadząc do algorytmizacji niemal wszystkich funkcjonalności, od logistyki po zarządzanie firmą.
Wykorzystanie sztucznej inteligencji w sprawach obronnych i wojskowych
Zastosowanie w edukacji
Wykorzystanie AI w biznesie
Sztuczna inteligencja w walce z nadużyciami
11 lipca 2019 roku okazało się, że już za dwa lata sztuczna inteligencja i uczenie maszynowe będą wykorzystywane do zwalczania oszustw trzykrotnie częściej niż w lipcu 2019 roku. Takie dane uzyskano podczas wspólnego badania SAS i Association of Certified Fraud Examiners (ACFE). Według stanu na lipiec 2019 r. z takich narzędzi przeciwdziałających nadużyciom korzysta już 13% organizacji, które wzięły udział w badaniu, a kolejne 25% stwierdziło, że planuje je wdrożyć w ciągu najbliższego roku lub dwóch. Czytaj więcej.
Sztuczna inteligencja w branży elektroenergetycznej
- Na poziomie projektowym: ulepszone prognozowanie generacji i zapotrzebowania na zasoby energii, ocena niezawodności urządzeń wytwórczych, automatyzacja zwiększonej generacji w przypadku gwałtownych wzrostów zapotrzebowania.
- Na poziomie produkcyjnym: optymalizacja konserwacji prewencyjnej urządzeń, zwiększenie efektywności wytwarzania, ograniczenie strat, zapobieganie kradzieży zasobów energii.
- Na poziomie promocji: optymalizacja cen w zależności od pory dnia i dynamiczne rozliczenia.
- Na poziomie świadczenia usług: automatyczny wybór najbardziej dochodowego dostawcy, szczegółowe statystyki zużycia, zautomatyzowana obsługa klienta, optymalizacja zużycia energii z uwzględnieniem przyzwyczajeń i zachowań klienta.
Sztuczna inteligencja w produkcji
- Na poziomie projektowym: zwiększenie efektywności rozwoju nowych produktów, zautomatyzowana ocena dostawców i analiza wymagań dotyczących części zamiennych.
- Na poziomie produkcji: usprawnienie procesu realizacji zadań, automatyzacja linii montażowych, zmniejszenie liczby błędów, skrócenie czasu dostaw surowców.
- Na poziomie promocji: prognozowanie wolumenu usług wsparcia i utrzymania, zarządzanie cenami.
- Na poziomie świadczenia usług: usprawnienie planowania tras floty pojazdów, zapotrzebowanie na zasoby floty, podniesienie jakości szkolenia inżynierów serwisu.
AI w bankach
- Rozpoznawanie wzorców - używane m.in. rozpoznawać klientów w oddziałach i przekazywać im specjalistyczne oferty.
AI w transporcie
- Branża motoryzacyjna stoi u progu rewolucji: 5 wyzwań ery bezzałogowej jazdy
AI w logistyce
AI w browarnictwie
AI w sądownictwie
Rozwój w dziedzinie sztucznej inteligencji pomoże radykalnie zmienić system sądownictwa, czyniąc go bardziej sprawiedliwym i wolnym od schematów korupcyjnych. Opinię tę wyraził latem 2017 roku Władimir Kryłow, doktor nauk technicznych, konsultant techniczny w firmie Artezio.
Naukowiec uważa, że istniejące rozwiązania z zakresu AI można z powodzeniem zastosować w różnych sferach gospodarki i życia publicznego. Ekspert zwraca uwagę, że sztuczna inteligencja jest z powodzeniem stosowana w medycynie, ale w przyszłości może całkowicie zmienić wymiar sprawiedliwości.
„Patrząc codziennie na doniesienia prasowe o rozwoju w dziedzinie sztucznej inteligencji, zdumiewa Cię niewyczerpana wyobraźnia i płodność badaczy i programistów w tej dziedzinie. Doniesienia z badań naukowych stale przeplatają się z publikacjami o pojawiających się na rynku nowych produktach oraz doniesieniami o niesamowitych wynikach uzyskanych dzięki zastosowaniu AI w różnych dziedzinach. Jeśli mówimy o spodziewanych wydarzeniach, którym towarzyszy zauważalny szum medialny, w którym AI ponownie stanie się bohaterem newsów, to raczej nie będę ryzykował tworzenia prognoz technologicznych. Mogę przypuszczać, że kolejnym wydarzeniem będzie pojawienie się gdzieś niezwykle kompetentnego sądu w postaci sztucznej inteligencji, uczciwej i nieprzekupnej. Najwyraźniej stanie się to w latach 2020-2025. A procesy, które będą miały miejsce w tym sądzie, spowodują nieoczekiwane refleksje i chęć wielu osób przeniesienia na sztuczną inteligencję większości procesów zarządzania społeczeństwem ludzkim”.
Naukowiec uznaje wykorzystanie sztucznej inteligencji w wymiarze sprawiedliwości za „logiczny krok” w kierunku wypracowania równości i sprawiedliwości legislacyjnej. Inteligencja maszynowa nie podlega korupcji i emocjom, może ściśle trzymać się ram prawnych i podejmować decyzje biorąc pod uwagę wiele czynników, w tym dane charakteryzujące strony sporu. Analogicznie do medycyny, sędziowie-roboci mogą operować dużymi zbiorami danych z repozytoriów usług rządowych. Można założyć, że
Muzyka
Obraz
W 2015 roku zespół Google przetestował sieci neuronowe, aby sprawdzić, czy potrafią samodzielnie tworzyć obrazy. Następnie przeszkolono sztuczną inteligencję przy użyciu dużej liczby różnych zdjęć. Kiedy jednak maszynę „poproszono” o samodzielne zobrazowanie czegoś, okazało się, że w nieco dziwny sposób interpretuje otaczający nas świat. Na przykład do zadania rysowania hantli twórcy otrzymali obraz, na którym metal był połączony ludzkimi rękami. Prawdopodobnie stało się tak dlatego, że na etapie treningu analizowane zdjęcia z hantlami zawierały dłonie, a sieć neuronowa błędnie to zinterpretowała.
26 lutego 2016 roku na specjalnej aukcji w San Francisco przedstawiciele Google zebrali z psychodelicznych obrazów stworzonych przez sztuczną inteligencję około 98 tysięcy dolarów. Fundusze te przekazano na cele charytatywne. Jedno z najbardziej udanych zdjęć samochodu prezentujemy poniżej.
Obraz namalowany przez sztuczną inteligencję Google.
