Каждый год появляются новые технологические достижения: блокчейн, 3D-печать, Веб 3.0 и метавселенная.
Искусственный интеллект (ИИ). Несмотря на то, что я много работал с этой технологией в течение 10 лет, мы находимся на пороге значительного скачка вперед в области искусственного интеллекта. Всего за последние несколько месяцев мы стали свидетелями достижений в области возможностей ИИ, которые впечатлили даже скептиков. Но сначала давайте вернемся еще на несколько шагов назад и начнем с рассмотрения развития ИИ за последнее десятилетие.
2012-2014 – Зачатки распознавания образов, понимания прочитанного и языка
Некоторые исследователи говорят, что 2012 год стал важной вехой для глубокого обучения. Это был год, когда исследователи Google построили большую нейронную сеть из 16 000 процессоров с миллиардом подключений для распознавания фотографий и видео кошек. Это пример обучения с подкреплением, которое, помимо контролируемого обучения и введения вероятностной программы, было одной из фреймворков ИИ, имевших огромный успех за последнее десятилетие. Распознавание изображений кошек может показаться незначительным достижением. Однако в то время машины только начали использовать глубокое обучение для обеспечения распознавания изображений. В 2012 году распознавание изображений все еще находилось в зачаточном состоянии, и в тестах, в которых ИИ сравнивался с производительностью человека, было обнаружено, что ИИ работал при температуре около -40, что все еще было ниже производительности человека (здесь установлено на нулевой базовой линии). Помимо распознавания образов, десять лет назад ИИ все еще уступал людям в других задачах, включая понимание прочитанного и языка. Несмотря на то, что в 2013 году была изобретена система семантического машинного обучения NELL (Never-Ending Language Learning), ИИ все еще не мог надежно выполнять задачи, связанные с обработкой языка. Способность ИИ распознавать речь резко улучшилась с изобретением Alexa в 2014 году. До этого Siri от Apple позволяла пользователям управлять своими телефонами с помощью речи. Тем не менее, способность искусственного интеллекта понимать язык все еще была хуже, чем способность людей. В последующие годы ИИ достиг уровня понимания языка, превосходящего человеческий. Это произошло благодаря улучшениям в распознавании голоса ИИ, достижениям в обработке языка и связанных с ним языковых моделях нейросетей, а также организации информации. Хотя системам искусственного интеллекта все еще трудно создавать длинные и связные тексты, чат-боты, такие как “ChatGPT”, демонстрируют огромный прогресс, достигнутый на сегодняшний день.
2015 – 2017 гг. ИИ начал работать лучше, чем люди
2015 год ознаменовался годом, когда каждому было разрешено создавать значимые модели https://ofrx.ru/category/technology/ ИИ. После того, как фирменная система искусственного интеллекта IBM “Watson” прославилась в 2011 году тем, что превзошла Jeopardy! чемпион Кен Дженнингсна рынке появилось несколько платформ с открытым исходным кодом для машинного обучения (например, платформа глубокого обучения Google с открытым исходным кодом TensorFlow). Это позволило компаниям и разработчикам работать с технологией по-новому. Кроме того, в этом году был достигнут значительный прогресс в области распознавания лиц и изображений. Например, машины победили людей в 6-м выпуске ImageNet Large Scale Visual Recognition Challenge (ImageNet — это стандартизированная коллекция из миллионов фотографий, которая обучает и тестирует программы визуальной идентификации). Забегая вперед, отметим, что в 2016 году глубокое обучение с подкреплением – комбинация нейронных сетей и обучения с подкреплением – вызвало огромный ажиотаж в сообществе искусственного интеллекта, когда AlphaGo от Google победил лучшего в мире игрока в го. Кроме того, в 2017 году с внедрением Transformer было расширено использование самоконтролируемых моделей обучения в сочетании с глубокими нейронными сетями. Сегодня эти трансформирующие модели являются основным подходом к обработке естественного языка (NLP), включая такие приложения, как машинный перевод и веб-поиск Google.
2018 – 2019 Безопасность данных, обработка языка и ИИ в медицине
Из-за скандала с Cambridge Analytica 2018 год стал годом, когда тема безопасности данных достигла апогея. В соответствии с этим опрос McKinsey показал, что в 2018 году риск был одной из функций, в которых, по мнению большинства респондентов, была заметна ценность искусственного интеллекта. Помимо этого, когда был разработан BERT, обработка языка совершила большой скачок в 2018 году. BERT — пример лингвистической модели нейросети, которая изучает употребление слов, грамматику, значение и основные факты в различных контекстах. Соединяя последовательности слов одновременно, а не нанизывая их друг на друга слева направо, модели, подобные BERT, могут генерировать резюме, которые почти неотличимы от текста, созданного человеком. Эти модели обработки языковых данных имеют решающее значение для поддержки таких приложений, как чат-боты, и определили их огромный прогресс за последнее десятилетие. Более того, в 2019 году исследователи приступили к созданию системы искусственного интеллекта, которая превосходит рентгенологов-людей в выявлении рака легких. Это было достигнуто с помощью алгоритма глубокого обучения, который может интерпретировать снимки компьютерной томографии (КТ), чтобы предсказать вероятность наличия у кого-либо заболевания.
2020 – 2021 Быстрые достижения в области ИИ в связи с пандемией
В течение 2020 года развитие ИИ стимулировалось и ускорялось пандемией COVID-19. ИИ в значительной степени отвечал за ускорение разработки вакцины, на что в обычных условиях ушло бы несколько десятилетий. Вместо этого этот процесс был значительно сокращен, потому что ИИ помог исследователям анализировать огромные объемы данных. Примером роста ИИ являются глобальные корпоративные инвестиции в размере 68 миллиардов долларов США, что на 40% больше с 2019 по 2020 год. Более того, только в 2021 году количество патентных заявок, связанных с инновациями в области ИИ, в 30 раз превысило количество заявок в 2015 году, демонстрируя стремительный прогресс в разработке ИИ. В прошлом году исследовательское сообщество сосредоточилось в первую очередь на применении ИИ к компьютерам. Это подполе учит машины понимать изображения и другие визуальные материалы, чтобы хорошо выполнять классификацию изображений, распознавание объектов, отображение положения и движения суставов человеческого тела и распознавание лиц.
Сегодня – ИИ стал незаменимым в нашей жизни.
Искусственный интеллект (ИИ) претерпел стремительное развитие за последнее десятилетие. Всего 10 лет назад вряд ли какая-либо машина могла надежно распознавать язык или изображения. Сегодня машины научились превосходить людей во многих задачах. Например, системы ИИ могут обнаруживать мошеннические платежи до того, как вы узнаете, что потеряли свою карту, или проверять критерии приемлемости, когда кто-то подает заявку на кредит. ИИ распознает закономерности и оценивает варианты в нашей повседневной жизни. Какой пост в Instagram я предпочитаю и удерживает меня на платформе социальных сетей, какая цена на Amazon вызывает у меня желание купить и хотел ли я оставить свои AirPods дома. В последние месяцы “генеративный ИИ» – системы, создающие новые возможности, – особенно активно развивался в последние месяцы. Мы стали свидетелями достижений в области возможностей ИИ, которые впечатлили даже скептиков.