Время искусственного интеллекта
Искусственные нейронные сети
Традиционное программирование детерминированно, последовательно и логично. Компьютеры принимают ввод, следуют инструкциям и генерируют вывод. Это отлично работает для задач вроде вычислений и преобразований, но плохо подходит, если приложение определяется не точно. Человеческий мозг, с другой стороны, отлично справляется с такого рода задачами. Мы учимся и растем в процессе повторения и образования. Последний прогресс в сфере искусственных нейронных сетей позволил продвигаться в сфере компьютеров, которые могут думать. Эти прорывы, в свою очередь, привели к успехам в работе искусственных интеллектов Google и Apple.
В машинном обучении и когнитивной науке искусственные нейронные сети представляют собой семейство моделей статистического обучения, созданных по образу биологических нейронных сетей (центральных нервных систем животных, в частности мозга), и используются для оценки или приблизительных расчетов, зависимых от большого числа вводных данных, которые могут быть по большей части неизвестны. Искусственные нейронные сети по большей части представлены системой междусвязанных «нейронов», которые посылают сообщения друг другу. Эти связи имеют числовой вес, который может настраиваться на основе опыта, что делает нейронные сети адаптирующимися к вводу и способными обучаться.
График знаний
Компании вроде Yelp, Foursquare и Wolfram Alpha открыли доступ к своим данным через API. В результате платформы вроде Siri и Google Now получили возможность отвечать на вопросы вроде «Где находится ближайшая кофейня?» или «Население Индии?». Если бы новому сервису пришлось обрабатывать естественный язык, звуки, данные и так далее, это было бы невозможно. Прогресс стал возможен благодаря тому, что за последние 20 лет график знаний вырос до точки, где платформы искусственного интеллекта могут мгновенно получать доступ к тоннам данных.
Обработка естественного языка
Обработка естественного языка (nature language processing, NLP) — это поле информатики и лингвистики, в котором компьютеры пытаются извлекать смысл из человеческого или естественного ввода. Хотя это поле существует с 50-х годов, за последние несколько лет мы увидели несколько мощных прорывов благодаря моделям Маркова и n-gram, а также проектам CALO и Wordnet. Также одним из мощнейших решений NLP на сегодня является CoreNLP Стэнфордского университета.
Обработка речи
Чтобы говорить с компьютером и тот понимал наши намерения, для начала нам нужно научиться обрабатывать аудио и конвертировать звуковые волны в текст. Это поле — обработка речи — также получило хорошее развитие за последние несколько лет. Помимо достижений в сфере технологий, мы наблюдали, как компании вроде Nuance выработали мощные API для сервисов вроде GPS, диктовки и других. Сегодня новая компания по разработке искусственного интеллекта почти без проблем может преобразовать голос в текст с высокой степенью точности.
Вычислительная мощь
Увеличение вычислительной мощности на протяжении последних 17 лет было довольно внушительным. В 2014 году люди могли купить видеокарту, которая была в 84,3 раза производительнее видеокарты с такой же ценой в 2004 году. Такое увеличение вычислительной мощности просто необходимо, если мы хотим эмулировать мозг. К примеру, исследование с попыткой моделирования 1 секунды активности мозга потребовало 82 944 процессоров, поддерживающих 1,73 миллиарда искусственных нейронов, соединенных 10,4 триллионов синапсов. Снижение стоимости и увеличение вычислительной мощности стало возможным благодаря невероятным прорывам в сфере ИИ сегодня.
Отношение пользователей
Особенно важным аспектом массового принятия искусственного интеллекта является одобрение пользователей. С начальным толчком Apple с Siri, а теперь Microsoft с Cortana и Google с Now, владельцы смартфонов имеют доступ к ИИ вне зависимости от того, нравится им это или нет. В результате потребители привыкают к этому и принимают это. И, конечно, помогают им в этом забавные видосики.
Вездесущность персональных компьютеров
Общение с ИИ — это очень интимный опыт. Лишь появление его на небольших и всегда доступных устройствах делает получение такого опыта возможным. Первый iPhone был представлен в 2007 году, всего 8 лет назад. А сегодня смартфон есть у двух людей из трех. Носимые технологии вроде Apple Watch или Jawbone открывают возможности для еще более интимного общения с компьютерами. Устройства, которые носим в кармане или на теле, являются отличными чемоданчиками для подобных технологий, что способствует проникновению искусственного интеллекта в русло мэйнстрима.
Финансирование
Финансирование ИИ, похоже, проходит волнами, и эти волны растут. Scaled Inference, компания по разработке предиктивного ИИ, получила 13,6 миллиона долларов финансирования. Amazon анонсировала финансирование в 100 миллионов долларов в пользу технологий, управляемых голосом, и IBM сделала то же самое для Watson Venture Fund. Общие инвестиции в компании по разработке ИИ в 2014 году выросли до 300 миллионов долларов, по сравнению с 14,9 миллиона за 2010 год, считает Bloomberg. Финансирование разжигает инновации в сфере ИИ, и это хорошо.
Научно-исследовательские мероприятия
Еще одна причина для очевидного роста ИИ — это коллективные исследовательские мероприятия. По данным MIRI (Научно-исследовательского института машинного интеллекта), 41 из 275 конференций посвящены ИИ. Вообще, ИИ занимает 10% от всех научно-исследовательских инициатив сегодня. По оценкам MIRI, больше 50 миллионов долларов в исследование ИИ привлекло National Science Foundation (NSF) в 2011 году. С такими успехами и усилиями в сфере ИИ, весьма вероятно, что очень скоро технология пойдет в гору.
Но если история нас чему-то учит, мы можем увидеть, как интерес к ИИ вырастет и пойдет на спад.
Илья Хель