Мегатех. Технологии и общество 2050 года в прогнозах ученых и писателей - Дэниел Франклин

Эти данные будут генерироваться не только миллиардами людей с помощью тысяч приложений. По некоторым оценкам, в ближайшие 10 лет этим же займутся более 100 млрд подключенных к Интернету устройств — каждое с десятками датчиков. Примерно триллион датчиков будут собирать данные по всему «Интернету вещей» (IoT) — в носимых устройствах, беспилотных автомобилях и самолетах, спутниках или камерах. Волна больших данных вздымается высоко. Как и следующая за ней волна IoT (когда от просто Интернета мы переходим к «Интернету всего», с сетевым соединением многих миллиардов устройств и людей). Эти две волны еще не достигли берега, но уже видна седьмая, так обеспокоившая Билла — искусственный интеллект.

Седьмая волна

Компании, занимающиеся созданием искусственного интеллекта, впервые возникли во второй волне, в 1980-х, когда на персональных компьютерах начали появляться экспертные системы. Университеты предлагали соответствующие курсы, и многие крупные компании применяли эти технологии в своей работе. Венчурные капиталисты профинансировали нескольких новичков — Aion Corporation, Neuron Data, Intellicorp и Inference, являвшихся тогда ведущими компаниями этого направления. Но к началу 1990-х и термин «экспертная система», и компании, проектировавшие искусственный интеллект в той волне, исчезли. Никто не достиг берега.

Впрочем, энтузиасты, основывающиеся на многих прототипах будущего, сегодня уверенно заявляют, что искусственный интеллект уже существует. Ключевые строительные блоки для современного AI появлялись в течение каждой волны. С 1990-х сама технология AI была переосмыслена. Тем не менее пока мы находимся лишь на этапе зарождения этой волны и, скорее всего, за спрогнозированное Винджем время не достигнем описанной им сингулярности.

В эпоху искусственного интеллекта экспертные системы превратилась в нечто новое, названное «машинным обучением». Оно исследует алгоритмы, которые могут учиться и делать прогнозы на основе полученной информации. Новейшей отраслью является «глубокое обучение»: ее алгоритмы основаны на данных, генерируемых взаимодействиями нескольких слоев машинного обучения. Экспоненциальный рост цифровых данных для подобных систем, совершенствование инструментов для обработки информации, создание необходимого программного обеспечения с открытым исходным кодом и недорогая облачная инфраструктура привели к всплеску инноваций в области создания искусственного интеллекта.

Венчурные капиталисты снова проявили интерес к инвестированию в AI. Впрочем, они вкладывали большие суммы в подобные разработки и ранее, негласно называя некоторые компании «невидимками». Это было похоже на волны, почти незаметно колышащиеся вдали от берега, поэтому многие участники тех событий остались неизвестными, хотя найти информацию о вложенных ими суммах вполне реально. Седьмая волна инвестиций в современный искусственный интеллект, скорее всего, началась примерно в 2010 году (рис. 5.2). В 2015 году в стартапы, связанные с искусственным интеллектом, было инвестировано 2,6 млрд долларов, а в приложения, по-новому применяющие инструменты его инфраструктуры, — 3,6 млрд. По оценкам исследовательской фирмы IDC, по состоянию на конец 2015 года только в около 1 % всех приложений имелись свойства искусственного интеллекта, и большая их часть была создана компаниями, финансируемыми из венчурных фондов. Кроме того, по прогнозам IDC, к 2020 году рынок машинного обучения достигнет 40 млрд долларов и 60 % этих приложений будет работать на платформах Amazon, Google, IBM и Microsoft.

Рис. 5.2. Следующее важное событие. Инвестиции в стартапы, работающие в области искусственного интеллекта

IoT и наиболее заметные случаи его реализации делают всплеск цифровых технологий и искусственного интеллекта более очевидным и интересным для широкой общественности. Интернет вещей привносит контекст во все. Мой «умный» термостат Nest Learning Thermostat является программируемым и самообучаемым. Он оптимизирует отопление моего дома и сообщает, сколько энергии я сэкономила. Этот прибор использует машинное обучение. В течение первых нескольких недель мне пришлось регулировать термостат вручную, чтобы «обучить» его. Теперь он «думает», что изучил мой график и «понимает», какую и когда использовать температуру. Понимая — с помощью встроенных датчиков и данных о местоположении, поступающих с моего телефона, — что меня нет дома, термостат переходит в энергосберегающий режим. Rachio — контроллер системы орошения газона — интеллектуально анализирует предыдущие и прогнозируемые данные о погоде и влажности, и мне больше не нужно узнавать эту информацию и включать или выключать полив вручную. От камер безопасности до дверных замков и холодильников, домашние устройства действуют все умнее, поскольку используют накопленные данные и машинное обучение.

Писатель-фантаст Артур Кларк сказал: «Любая достаточно развитая технология неотличима от магии». В этой волне искусственного интеллекта и программные гиганты, и новые компании конкурируют как в производстве «ботов», так и в попытках удивить и порадовать нас. Бот — это программа, автоматически выполняющая различные задачи. Как правило, речь идет о повторяющихся простых действиях, производимых с гораздо более высокой скоростью, чем это мог бы сделать человек.

В мире тысяч приложений (а теперь и сотен устройств) порадовать потребителей нетрудно. Я получаю удовольствие от моего Amazon Echo, от того, насколько хорошо Alexa распознает мой голос и реагирует на мои просьбы побыстрее получить доступ к большим объемам данных, а также от того, что девайс подключен ко многим моим интеллектуальным устройствам с помощью интерфейсов прикладного программирования (API) для Amazon. Я завишу от Siri, позволяющей мне отправлять текстовые сообщения, когда я за рулем. Я радуюсь, когда Google предвосхищает мои поисковые запросы с помощью Google Now. Я живу в мире слишком большого количества приложений и позволяю ботам помогать мне. Когда-нибудь я оглянусь назад, на день сегодняшний и, вероятно, скажу, что эти боты были «прототипами будущего»: по сути, это быстрые поисковые системы с хорошим распознаванием голоса. Полагаю, с большой степенью вероятности, что рано или поздно смогу реально поговорить с Siri от Apple, Alexa от Amazon, Cortana от Microsoft или с продуктом какой-то иной компании. (У Alexa уже есть чувство юмора: когда я прошу ее «открыть двери модуля», она отвечает: «Прости, Дейв, я не могу этого сделать. Я не Хэл[7], и мы не в космосе».)

Пока мы ожидаем появления компьютеров, работающих в режиме беседы и способных пройти тест Тьюринга, разработанный в 1950 году Аланом Тьюрингом метод проверки искусственного интеллекта, состоящий в способности машины демонстрировать интеллектуальное поведение, эквивалентное человеческому или неотличимое от него, нет сомнений, что мы постоянно создаем все более умное ПО. В процессе продвижения седьмой волны незаметно набрал силу быстрый, эффективный и конкурентоспособный цикл инноваций. Искусственный интеллект, встроенный в самые разные приложения, постепенно распространяется все шире по мере того, как ПО становится умнее: улучшенный сервис рекомендаций в мобильных приложениях, через которые вы совершаете покупки, «интеллектуальный» выбор показываемой вам рекламы на тех или иных сайтах, медицинская диагностика, программное обеспечение колл-центра, формирование инвестиционного портфеля, анализ и оптимизация рисков, ценообразование продукции, маршрутизация транспорта.