Прогнозами заниматься дело неблагодарное, тем более что прогресс в области современных методов машинного обучения обгоняет самые смелые ожидания в последние годы. Но некоторые направления в области обучения глубинных нейронных сетей, в которых можно ждать существенных продвижений в ближайшее время, я рискну назвать.
Во-первых, это развитие идей нейросетевого обучения с подкреплением, которое позволит разработать новые самообучающиеся алгоритмы для агентов, взаимодействующих с окружающей средой. Это могут быть как роботы, так и программы, действующие в виртуальном пространстве, например, играющие в интеллектуальные игры типа Го (уже сделано) или Starcraft (в процессе). Главной целью тут, конечно, станет создание алгоритма, умеющего «на ходу» приспосабливаться к новой сложной игре или окружению.
Во-вторых, это разработка новых методов обучения «на лету» и мета-обучения. Первое позволяет компьютеру схватывать новые понятия и смыслы по нескольким примерам, подобно тому, как это делает человек, и в отличие от современных нейронных сетей, которые выучивают новое понятие после демонстрации тысяч и десятков тысяч примеров.
Второе позволяет нейронной сети самой подбирать параметры своего метода обучения. Сейчас качество и скорость обучения нейронных сетей существенно зависит от выставления ряда параметров (обычно называемых гипер-параметрами, чтобы отличать их от весов сети, которые, собственно, и настраиваются в ходе обучения), а также от архитектуры самой сети. Сейчас они определяются человеком или полуавтоматичексим процедурами, далекими от оптимальных. Из-за этого нейросети учатся дольше и хуже, чем могли бы.
Появившиеся в 2016 году работы показывают, что эту работу в принципе можно передоверить вспомогательной нейронной сети. Как все мы помним со средней школы, признаком завершения промышленной революции является момент, когда «машины начинают производить машины». Возможно, в будущем такой же важной вехой станет момент, когда нейросети начнут обучать нейросети и есть основания полагать, что это случится уже в 2017 году.
В-третьих, нейронные сети научатся говорить с человеком (как в смысле генерации текстов реплик, так и в смысле синтеза речи, неотличимой от человеческой), генерировать фотореалистичные картинки и видеоряды по текстовому описанию, писать большие осмысленные тексты. Это станет нашим ближайшим будущим благодаря стремительному прогрессу в области т.н. генеративных моделей глубинного обучения. Конечно, это приведет к созданию новых бизнесов, появлению новых видов товаров и услуг, а также к росту производительности труда в традиционных отраслях экономики, типа мобильных операторов или банков, которым можно будет отказаться от дорогостоящих и неэффективных колл-центров.
Решение всех этих задач станет важным шагом на пути к Святому Граалю машинного обучения - созданию искусственного интеллекта. В следующем году ИИ, конечно, не появится, но через 5–10 лет он, несомненно, будет разработан. Тем более что уже имеющиеся элементы искусственного интеллекта будут помогать ученым в создании полноценного ИИ и, тем самым, позволят ускорить работу в этом направлении. Создание ИИ станет важнейшим достижением человечества и обеспечит ему мощный цивилизационный рывок вперед.
Важно отметить, что стремительный прогресс в области ИИ стал возможен во многом благодаря тому, что эти разработки ведутся открыто и любой человек, имеющий минимальную необходимую подготовку (например, выпускник факультета компьютерных наук НИУ ВШЭ), может принять в них участие: даже у крупных IT-корпораций – лидеров в области глубинного обучения нет никаких секретов (кроме ближнесрочных коммерческих), программные реализации большинства методов доступны, так же как и математическое описание алгоритмов, оказывающихся на удивление не такими сложными, с учетом глобальности решаемых с их помощью задач. Это выгодно отличает машинное обучение, скажем, от космической или ядерной программ середины XX века.
Дополнительные материалы
Лекция Дмитрия Ветрова о машинном обучении (для того, чтобы понять, что это вообще такое)
Тема Искусственного Интеллекта (ИИ) доминировала в медийной новостной ленте на протяжении всего завершающегося года. Тон задают основные ньюсмейкеры - Илон Маск и Марк Цукерберг, обсуждая опасности и преимущества использования Искусственного Интеллекта в жизни человека. Россия и Китай заявили о развитии ИИ как о приоритетном направлении в сфере цифровой экономики. 2018 год станет годом развития и дальнейшего изучения возможностей применения ИИ, особенно метода глубокого обучения (deep learning), как наиболее перспективной ветви Искусственного Интеллекта. Расскажу подробнее об этом тренде в области высоких технологий на примере использования ИИ в сфере маркетинга.
Суть действия Искусственного Интеллекта состоит в создании настолько умных машин, что они будут превосходить мыслительные и аналитические способности человека. Машинное обучение (machine learning), базовый метод ИИ, обладает такими возможностями и уже широко используется во многих отраслях экономики и сферах жизни человека. Однако, стремительно развиваются и другие, более совершенные технологии.
Особенно это заметно по темпам развития глубокого обучения, почти полностью повторяющего принцип работы человеческого мозга в обработке данных и моделирования принятия решений. В 2017 году глубокое обучение стало неотъемлемой частью технологических процессов в здравоохранении и автомобилестроении. Маркетинг, как наиболее динамичная составляющая каждого бизнеса, тоже не остался в стороне от использования передовых технологий. Метод глубокого обучения оказал революционное влияние на всю рекламную отрасль.
Работа технологии, используемой в методе глубокого обучения, основана на принципах взаимодействия биологических нейронов. С помощью самообучающихся алгоритмов маркетологи теперь получают описания покупательского потенциала клиента без помощи человека. Например, RTB House недавно провел анализ огромного массива данных, наглядно продемонстрировавший: применение Искусственного Интеллекта вместо рекомендаций опытных маркетологов в ретаргетинговых кампаниях может улучшить результаты конверсии на 35%. И это еще не все. С помощью метода глубокого обучения рекламодатели получают прогноз действий пользователя, основанный на анализе его поведенческих особенностей и желаний. Это в разы упрощает работу маркетолога, предлагая оптимальные варианты целевых рекламных сообщений, где размещаются товары, о которых пользователь даже не догадывался или еще не видел.
Многие крупные бренды уже заметили выгоду от внедрения решений на основе метода глубокого обучения в свои продукты или инструменты маркетинга. В 2018 году мы ожидаем повсеместное использование метода глубокого обучения и увеличение инвестиций в развитие его потенциала.
От «контролируемого обучения» к новым горизонтам
В 2017 году произошел уход от так называемого «контролируемого обучения», типичного для процесса машинного обучения, в сторону более сложной системы «передачи обучения». Эта технология основана на передаче человеческих инструкций компьютеру: анализировать уже существующие модели принятия решений, примеры, наборы данных и их последующий анализ.
Принцип работы «передачи обучения» заключается в способности компьютера обрабатывать данные из симуляций, а не из реальности. Этот процесс намного проще и дешевле, а также быстрее, что очень важно при анализе огромного объема данных. Используя этот метод, машина учится принимать решения сама по себе: с логическими выводами, аналогией или же дедуктивным методом.
Например, при использовании старой модели машинного обучения, машина-автопилот может провезти человека на миллионы километров, пока записываются данные. Эти данные передаются автомобилю, которая понимает как управлять автомобилем на основе решений водителя. Благодаря «передаче обучения» уже отпадает необходимость в реальном водителе. Вместо этого могут быть взяты данные из различных симуляций вождения. Моделируя миллионы часов езды, машина сама понимает куда ей нужно двигаться, и уже она транслирует знания в реальный мир.
Второй подход называется «усиленным обучением». Его цель заключается в обучении компьютера принимать наилучшие решения, основываясь на обратной связи от окружающей среды и действиях, происходящих в ней. Например, как это происходит при участии в торгах за покупку рекламных мест. Аукционные системы очень сложны. Даже у специалистов часто возникают проблемы с определением оптимальной ставки, которая позволит им достичь желаемых результатов с минимальными затратами. Автомобиль столкнется с такими же препятствиями в начале своего движения. Однако, в отличие от человека, автомобиль может функционировать 24 часа в сутки в симуляционной среде. И также может научиться набору действий, причем намного быстрее человека. Возвращаясь к нашему примеру с покупкой рекламных мест, компьютер учится на моделировании аукционов, получая данные о том как действовать наиболее эффективно и, таким образом, выиграть аукцион.
Новые рабочие места и новые задачи
Действительно, принцип работы алгоритмов глубокого обучения абсолютно идентичен работе человеческого мозга. Но, в отличие от людей, компьютеры учатся намного быстрее и умеют анализировать огромнейшие объемы данных. Компьютеры не засыпают и не совершают множество ошибок. Именно здесь играет ведущую роль супер-производительность. Очень простым путем ИИ будет стремиться превзойти человеческие способности во многих областях. В настоящее время самообучающиеся алгоритмы способны намного точнее людей распознавать действия и образы.
Означает ли это, что существует опасность полностью заместить людей роботами? Не совсем. Согласно данным Всемирного экономического форума, 65% детей, поступающих в начальную школу сегодня, получат работу, которой в настоящее время не существует. Текущий уровень развития ИИ позволяет компаниям искать больше ИТ-специалистов, аналитиков данных, программистов. В следующем году у нас, вероятно, появится бум новых предложений о работе для ученых, работающих с данными. Хотя сейчас такое предложение еще не популярно.
Инновации 2017 года получат мощный импульс к развитию в 2018 году
Целями, которые преследует внедрение метода глубокого обучения, являются упрощение нашей жизни и повышение эффективности человеческой деятельности. Именно поэтому использование ИИ уже не стандарт, а необходимость для компаний, которые хотят быть конкурентоспособными на мировом рынке. Речь идет не о возможности персонализации или улучшения возможностей конечного продукта, а также о ряде других непрямых видов деятельности, таких как сбор и анализ данных. Уже сейчас у компаний есть такой большой объем данных к анализу, что они не справляются с их обработкой.
Такая ситуация напрямую влияет на решения, принятые их сотрудниками, и, следовательно, на финансовые результаты. Компании, чей бизнес специализируется на сборе и анализе данных для различных предприятий, будут все более востребованы. Предприятия с более крупными бюджетами будут использовать ИИ для классификации: что предлагать клиентам, какие рекомендовать условия для предоставления поставщикам, как инструктировать сотрудников, что говорить и делать в режиме реального времени. Следует также предположить, что в скором времени возникнет много новых стартапов, предлагающих решения на основе самообучающихся алгоритмов, поскольку эта технология будет широко распространяться.
Искусственный интеллект в 2017 году стал частью нашей повседневной жизни и публичных дискуссий. В ближайшие годы основное внимание будет уделено разработке различных технологий на основе ИИ, которые заменят людей во многих сложных отраслях, что в конечном итоге сделает нашу жизнь намного проще. Но для этого придется еще много трудиться.
Несмотря на масштабность события, можно было заметить, что ИИ, как и машинное обучение, занимает прочные позиции в области мобильной разработки и отступать не собирается. Перед вами краткий обзор новинок этой ниши.
Искусственный интеллект
Motorola + Alexa
Motorola скооперировалась с сервисом Amazon и хочет интегрировать его устройство голосового управления Alexa со своими продуктами. Это только верхушка айсберга: в планах у Motorola добиться от ИИ-помощника самостоятельного выполнения некоторых полезных действий на основании личных данных владельца (например, забронировать столик в ресторане, если о такой необходимости упоминалось в электронном письме).
Line Inc. + Clova
Тем временем азиатская компания Line Inc., создатель одноименного мессенджера, работает над созданием ассистента Clova , который в будущем может составить конкуренцию Alexa. Судя по всему, он будет способен на довольно сложное взаимодействие с пользователем: после создания оригинального приложения, разработчики, скорее всего, будут налаживать интеграцию Clova с другими приложениями и сервисами, давая пользователю возможность повсеместного голосового управления.
LG vs Sony + Google Assistant
Благодаря тесному сотрудничеству с Google, LG тоже не отстает от бума ИИ. G6 был первым после Pixel телефоном, на котором Google Assistant. Но теперь Google сообщает, что ассистент появится . Например, на анонсированном компанией Sony смартфоне XZ Premium, который теперь имеет все шансы подняться в рейтинге среди новинок. Тем временем, HTC занимается своим Sense Companion, а в Samsung Galaxy S8 ожидается появление помощника Bixby.
Машинное обучение
Huawei
Алгоритмы, лежащие в основе софта Huawei P10 , должны вычислять привычки и распорядок дня пользователя во время работы устройства, а на основе этих данных - распределять память и другие свои ресурсы, таким образом, постепенно улучшая UX. Конечная цель - сделать так, чтобы с течением времени телефон работал все быстрее и быстрее.
Netflix
Компания делает акцент на улучшении качества просматриваемого видео на мобильных устройствах при средней или низкой скорости интернет-соединения. Используемые алгоритмы должны научиться понимать, что конкретно делает видео качественным и приятным для просмотра. К этому добавляется особая схема кодирования, по-разному сжимающая отдельные сцены фильма/сериала, в зависимости от того, что в них происходит.
RoboCar
Ну и напоследок, один из экспонатов, привлекающих наибольшее внимание: на выставке была представлена автономная гоночная машина RoboCar . В ней отлично сочетаются sci-fi дизайн корпуса и начинка из комплекса радаров, лидаров, ультразвуковых и скоростных сенсоров, каждый из которых передает сигнал в «мозг» NVIDIA, интерпретирующий на лету всю поступающую в него информацию.
Кай Фу Ли, председатель SinovationVentures, считает, что ИИ «направлен на крупномасштабное сокращение рабочих мест», при этом концентрируя богатства в руках компаний, которые развивают либо принимают ИИ. Другие считают, что подобные страхи присутствовали при появлении всех меняющих мир технологий вплоть до печатного станка в 15 веке.
Economist убеждает читателей в том, что «ИИ создает спрос на работу», и растущее число людей во всем мире «предоставляет цифровые услуги в Интернете». Какие компании и страны будут процветать в эпоху ИИ? Какие сегменты исчезнут, изменятся, будут созданы? Как изменится природа работы?
Военное дело
Сторонник боевых беспилотников утверждают, что такое оружие может поражать цели с гораздо более высокой точностью, чем люди; и чем крупнее роль, которую они играют в театре боевых действий, тем реже техники будут использовать их во вред.
Но что, если такое оружие станет независимым и будет работать самостоятельно, без вмешательства человека? Не приведет ли удаление людей из списка военного персонала к еще более суровой и неудержимой гонке вооружений?
Открытое письмо, опубликованное в ходе Международной совместной конференции по искусственному интеллекту в 2015 году, предупредило, что автономное оружие «не требует дорогостоящего или труднодоступного сырья, поэтому станет повсеместным и дешевым для всех значительных военных сил для массового производства». Будет ли эпоха с автоматизированным оружием более мирной или более воинственной?
Исследователи RAND призывают к аналитической структуре и международным усилиям, посвященным использованию боевых беспилотников высокой дальности в борьбе с терроризмом и точечных убийствах.
Принятие решений
Политики постоянно сталкиваются с огромным числом выборов и мотивов - в дни социальных сетей их много больше, чем двадцать лет назад. Такая информационная перегрузка не позволяет совладать с ситуацией во время кризиса, не говоря уж о множественных кризисах.
Недавно возникло предложение пропускать «все решения, которые принимает президент, через компьютер - не делать окончательный выбор, а помогать руководителю в лице человека».
Но хотя сейчас ИИ по большей части безгрешен, исследование RAND подчеркивает риски появления алгоритмических предубеждений в фильтрации новостей, влияния на уголовное правосудие и даже на предоставление пособий по социальному обеспечению и выдачу виз. Какие решения должны быть возложены на ИИ? Что должно оставаться в руках человека? В руках команды людей?
Творчество
Мир привык к ИИ, который может совершать захватывающие вычислительные подвиги и побеждать людей в популярных настольных играх (прошло чуть более 20 лет с тех пор, как суперкомпьютер IBMDeepBlue лихо победил шахматного гроссмейстера Гарри Каспарова). Как он будет дальше прогрессировать в творческом пространстве людей?
Исследователь искусственного интеллекта Джесси Энгель считает, что он «преобразит творческий процесс… дополнив его умными инструментами, предоставляющими новые возможности выражения». Другие не так оптимистичны. Журналист Адриенн Лафранс отмечает, что ИИ уже может «флиртовать», «писать романы» и «подделывать знаменитые картины с поразительной точностью». Что значит быть творческим? Более того, что значит быть человеком?
Обсуждения ИИ часто сводятся к крайностям, будь то обещание утопии, свободной от человеческих страданий, или опасности антиутопии, когда роботы поработят своих человеческих творцов. Необходим более сбалансированный и тщательный анализ, который поможет сформировать политику смягчения рисков и максимизации преимуществ. Необходимо предпринять определенные шаги для преодоления опасений на тему того, что ИИ поработать государство и общество.
Как ИИ может повлиять на национальные интересы страны? Какие типы ИИ, если таковые имеются, могут считаться стратегическими технологиями с учетом государственных критериев? Где должны сыграть рыночные силы, а где политика? Хотя ИИ по большей части остается уделом научной фантастики, эти вопросы приобретают все большую и большую значимость.
