Последна публикация от intellect board hi tech. Конференция на AINL: Изкуствен интелект, естествен език

Ще ни спаси ли изкуственият интелект от кризата?

Според предварителните оценки тази година руският ИТ пазар в парично изражение няма да се различава много от предходната. Една от причините за това е общата икономическа ситуация в страната. „Като цяло за текущата година очакваме икономиката да покаже растеж от 1,8%, а инфлацията в края на годината да бъде 3,4%“, отбеляза руският министър на икономическото развитие Максим Орешкин, говорейки тази есен за социално-икономическото прогнозно развитие на страната за 2019-2021г. и за периода до 2024г.

Един такъв пазар е пазарът на системи с изкуствен интелект (AI). Говорейки на ноемврийското заседание на Комитета APCIT за наблюдение на развитието на ИТ индустрията, ръководителят на този комитет и вицепрезидент на IBM Кирил Корнилиев припомни, че според оценките на Frost & Sullivan въвеждането на AI технологии до 2030 г. ще осигури увеличение на оборота на световните компании с 15,7 трлн. долара (10,7 трилиона от тях ще дойдат от американски и китайски компании), според статия на ITWeek.

Приблизително същите оценки за приноса на AI към глобалната икономика се съдържат в доклада на PwC „Каква е реалната стойност на AI за вашия бизнес и как можете да капитализирате?“: той постепенно ще се увеличи от около 1 трлн. долара през 2017 г. до почти 16 трилиона. долара през 2030 г. Що се отнася до нашата страна, пазарът на машинно обучение там ще нарасне от 700 милиона рубли. през 2017 г. до 28 милиарда рубли. през 2020 г. (т.е. приблизително 40 пъти!), а тази година ще бъде около 1 милиард рубли.

На фона на толкова високи очаквания, интересно е мнението на ръководителя на Центъра за когнитивни технологии на I-Teco Group of Companies Иля Калагин, че пазарите на AI и машинно обучение могат да спасят местните интегратори от гибел, причинена от спад в търсенето на традиционни ИТ проекти.

В същото време трябва да се разбере, че ИИ не е панацея, подчерта Иля Калагин. И изкуственият интелект не винаги е по-ефективен от естествения интелект. Особено ако последният използва добре развити традиционни методи на приложната математика, „материализирани“ в съвременните BI системи. Не е тайна, че разработчиците на AI системи са склонни да преувеличават своите успехи и да премълчават провалите, като често създават предубедено впечатление за невронни мрежи и неврокомпютри. Въпреки това, както отбелязва Иля Калагин, тази ситуация е характерна не само за разработчиците на невронни мрежови системи.

Той също така вярва, че преди изкуствените невронни мрежи да могат да бъдат използвани за решаване на проблеми, при които са застрашени човешки животи или важни промишлени съоръжения (например в ядрената енергетика), трябва да се решат проблемите с надеждността на тези мрежи. В същото време той обръща внимание на факта, че процесът на подобряване на AI технологиите продължава и съвременните невронни мрежови алгоритми вече значително надминаха традиционните алгоритми в областта на компютърното зрение и превода по своята ефективност.

На 26 май 2012 г. в Санкт Петербург се проведе първата конференция за изкуствен интелект в Русия: „AINL: Изкуствен интелект, естествен език“. Генерален спонсор и съорганизатор на конференцията беше i-Free. Партньор на събитието е RVC OJSC, организатори са NLPSeminar и Game|Changers.

Конференцията събра водещи руски и чуждестранни експерти в областта на изкуствения интелект и автоматичната обработка на естествен език, представители на научната общност, експерти от специализирани компании, разработващи технологии и създаващи обещаващи продукти и решения на тяхна основа.

Повече от 200 делегати участваха пряко в конференцията и благодарение на онлайн излъчването аудиторията на форума беше много по-широка: докладите на участниците доведоха хеш-тага на конференцията #AINL до тенденциите в Twitter в Санкт Петербург.

В рамките на шест секции на конференцията бяха изнесени над 20 доклада и бяха представени 9 постера с информация за проекти. Основните тематични области на форума бяха: „Разпознаване и синтез на реч“, „Изкуствен интелект и системи за диалог“, „Инженеринг на знания, онтологии, извличане на данни, извличане на данни“.

Коментирайки участието си в конференцията, Кирил Петров, управляващ директор на i-Free Innovations, подчерта: „Радваме се, че първият руски форум, посветен на изкуствения интелект, беше успешен и събра толкова представителна публика. На участниците бяха предоставени най-широки възможности за комуникация, обсъждане на перспективни идеи, обмяна на опит и придобиване на бизнес контакти. Надяваме се, че конференцията „AINL: Изкуствен интелект, естествен език“ ще се превърне в ежегодно събитие и ще допринесе за развитието на руския пазар на AI технологии.“

Компанията i-Free представи на конференцията доклад „Перспективи за използване на системи с изкуствен интелект в мобилните технологии“, както и казус „Създаване на интелигентен мобилен асистент“.

Подробна информация за конференцията „AINL: Изкуствен интелект, естествен език“ е представена на уебсайта http://nlpseminar.ru/ainl/.

Презентации от лектори на конференцията също могат да бъдат намерени тук.

Информация за партньори и организатори:

i-Free Innovations е подразделение на компанията i-Free, специализирано в разработването, тестването и внедряването на рискови проекти, обещаващи технологични решения и иновативни продукти. Разполага с уникален екип от експерти и IT специалисти и има богат опит в реализирането на иновативни проекти в областта на високите технологии.

RVC OJSC е държавен фонд от фондове, институт за развитие на Руската федерация, един от ключовите инструменти на държавата за изграждане на национална иновационна система.

NLPseminar е единственият редовен семинар в Русия по автоматична обработка на естествен език, работещ в Санкт Петербург повече от 5 години.

Game|Changers е междууниверситетска образователна и изследователска програма за ИТ бизнеса за активни студенти от Санкт Петербург. Програмата си сътрудничи с водещи университети в града, успешни руски и международни технологични компании и институции за развитие.

Най-големите одиторски компании в света постепенно започват да въвеждат технологиите за изкуствен интелект в своята дейност. Одиторите се надяват, че AI ще им помогне да освободят хората от технически и рутинни задачи, за да оптимизират работата си.

Както стана известно, одиторските компании EY и PwC изпълняват пилотен проект за използване на изкуствен интелект (AI) за разпознаване на изображения, извършване на някои счетоводни задачи и други видове рутинни технически дейности, които служителите изпълняват в момента. Британското издание отбелязва, че всички компании от Голямата четворка - PwC, EY, KPMG и Deloitte - активно увеличават инвестициите в нови технологии, включително изкуствен интелект, за да оптимизират дейността си и да избегнат човешки грешки. Сред най-обещаващите области на приложение на AI са ускоряване на попълването на заявления от и за клиенти, разпознаване на „аномалии“ във финансовите транзакции и анализиране на данни за възможна външна намеса и измами.

„Става все по-ясно за нас, че изкуственият интелект ще окаже огромно влияние върху нашия бизнес, така че вече се опитваме да направим възможно най-много основи в тази област“, ​​каза Джон Андрюс, ръководител на отдела за технологии и инвестиции в PwC UK. FT. „Инвестициите в тези области вероятно ще растат експоненциално.“

От своя страна KPMG планира да въведе система, която ще оценява кредитната информация въз основа на резултатите от анализ на кредитните портфейли в търговските банки. В допълнение, изкуственият интелект може да се използва за прогнозен анализ и изграждане на вероятностни модели. За внедряването на тези технологии KPMG си сътрудничи с проекта Watson на IBM и няколко стартиращи AI компании повече от година.

FT отбелязва, че големите четирима одитори активно прилагат AI и защото се опитват да защитят позициите си на пазара на ЕС, където напоследък конкуренцията се е увеличила значително: нови правила на ЕС, според които компанията е длъжна да обяви търг за одит и сменят одитора си поне веднъж на 20 години и са увеличили значително броя на търговете за външни одити. Така броят на подобни търгове сред компаниите, включени в индекса FTSE 250, се увеличи от пет през 2012 г. на петдесет през 2016 г.

„Очакванията в одиторската индустрия нарастват значително, тъй като регулаторите стават все по-взискателни", каза Стивън Гигс от Deloitte. „Одиторските фирми се опитват да се разграничат от тълпата с подхода си към иновациите и собствения опит, което трябва да им даде конкурентно предимство. ”

Изкуственият интелект отдавна и успешно „пое волана“ - например дронове на Google и Tesla. По-голямата част от експертите са съгласни, че самоуправляващите се автомобили са бъдещето. И най-близкият. Използва се в системите за сигурност: например след поредица от обучения „умна“ камера в банка е в състояние да засече подозрително поведение на посетители и незабавно да изпрати сигнал до конзолата за сигурност. Ако системата се усъвършенства, грабежът ще се превърне в напълно безперспективно начинание.

Изображение: depositphotos

На базата на информационни данни, електронен „журналист“ за броени моменти генерира статии, които дори професионален редактор не може да различи от „истинските“. Освен това грешките са изключени. Може би речникът на изкуствения интелект все още не е толкова богат и завоите не са толкова креативни като тези на живите конкуренти, но той се учи невероятно бързо. Пишещото братство ще трябва да се премести. Има безброй примери за внедряване - скоро ще бъде по-трудно да се намери област, където AI не се използва, отколкото такава, където работи успешно.

Какво е „умен смартфон“?

„Смартфон“ се превежда от английски като „умен телефон“. Въпреки това, както показват съвременните тенденции в развитието на джаджи, има пропаст между „умен“ и „интелигентен“ телефон. Днес в тази област се случват фундаментално важни събития, макар и неочевидни за повечето потребители. Революция, ако искате.

И така, каква е революционната разлика между смартфон и смарт устройство? Разликата е, че модерната джаджа не само изпълнява заповеди.

AI наистина, от нулата, помага за решаването на определени проблеми - тоест, предоставя ви не точкови функции, а цяла стратегия. За всеки отделен проблем се избира уникален алгоритъм. Това не е роб или слуга, това е партньор.

Все повече и повече джаджи получават AI не като опция, а като основа, върху която се изграждат функциите на всички други системи. Флагмански модели от ново поколение са създадени на базата на усъвършенстван изкуствен интелект. Именно благодарение на „електронния мозък“ възможностите за използване на смартфон се разкриват напълно. Нека да покажем как работи това на примера на различни подсистеми на смартфона LG G7 ThinQ.

AI стреля като професионалист

AI може да ви помогне да станете истински фотограф: той може да заснема пейзажи без изкривяване и блокиран хоризонт, ясни и естествени традиционни селфита, както и да снима в портретен режим (повече за това отделно по-долу). Потребителите могат да редактират и подобряват своите снимки с най-добрите филтри, предложени от AI.

Системата първо идентифицира обект или сцена и предлага опции за обработка в зависимост от резултата. Не става въпрос за механично нанасяне на маски, а за сериозна трансформация на образа в стила на популярното приложение Prisma.

Древногръцкият философ Сократ - селфи през Prisma

В същия LG G7 ThinQ AI, който управлява режима Super Bright Camera, ви позволява да правите снимки 4 пъти по-ярки от нормалните снимки, направени при слаба светлина. Работейки заедно със сензора и софтуерната обработка, AI автоматично настройва настройките на камерата при снимане в условия на слаба светлина, като настройва оптималния баланс на яркост, яснота, разделителна способност и цветова палитра за всеки отделен кадър.

LG G7 ThinQ

Една от най-популярните функции на AI при обработката на снимки е портретният режим, който може да създава снимки с професионално качество с размазан фон (тази популярна техника се нарича „ефект на боке“ (на японски за „мъгляво, размито“). AI се използва и за лицево разпознаване, а след това собствениците на смартфони могат да използват стикери за създаване на маски, както и animoji или дори анимирани аватари.

Прогресивната интелигентност е помощник във всяка ситуация

Най-новите технологии за изкуствен интелект и компютърно зрение се използват в усъвършенствани алгоритми за търсене с помощта на Google Lens. Налична в Google Assistant и Google Photos, тази опция може да предостави повече информация за различни обекти – забележителности, растения, животни, книги.

Правенето на снимки в LG G7 ThinQ с двойна камера е една от основните функции

Освен това смартфонът идентифицира текст при посещение на уебсайтове, чете и разпознава данни, за да добавите визитна картичка към контактите, да въведете събития в календара или да търсите желаното ястие в менюто на ресторант.

Задаване на въпроса: Какво е изкуствен интелект? Отговорът ще зависи от това кога сте задали този въпрос.

Още през 50-те години на миналия век Мински и Маккарти описаха изкуствения интелект като всяка задача, изпълнявана от програма или машина, която може да бъде изпълнена така, сякаш се изпълнява от човешко същество под формата на интелектуална дейност.

Очевидно е доста широка дефиниция на AI.

Системите с изкуствен интелект обикновено проявяват някои от следните поведения, свързани с човешкия интелект: планиране, учене, разсъждения, решаване на проблеми, представяне на знания, възприятие, движение и манипулация и в по-малка степен социална интелигентност и креативност.

Какви са ползите от изкуствения интелект?

Изкуственият интелект вече се използва навсякъде. Например виртуални гласови асистенти като Siri на Apple, за да открият кой и какво е на снимка, да идентифицират спам или да открият измами с кредитни карти.

Видове изкуствен интелект

На много високо ниво изкуственият интелект може да бъде разделен на два широки типа: тесен AI и общ AI.

Тесният AI е това, което виждаме около нас в компютрите днес: интелигентни системи, които са обучени или научени да изпълняват конкретни задачи, без да са изрично програмирани как да го правят.

Този тип машинна интелигентност е очевидна в разпознаването на реч и език на виртуалния асистент Siri на Apple iPhone и в системите за визуално разпознаване в самоуправляващите се автомобили. За разлика от хората, тези системи могат само да се научат или да бъдат научени как да изпълняват конкретни задачи, поради което се наричат ​​тесен AI.

Има огромен брой нови приложения за тесен AI: превод на видео от дронове, инспектиране на инфраструктура като петролопроводи, организиране на лични и бизнес календари, отговаряне на прости въпроси с поддръжка за обслужване на клиенти, координиране с други интелигентни системи, изпълнение на задачи като резервации на хотел в по всяко време, помогнете за идентифициране на възможни тумори с помощта на рентгенови лъчи, блокиране на неподходящо съдържание в интернет, откриване на износване на асансьори от данни, събрани с помощта на IoT устройства, списъкът може да продължи много дълго време.

Какви функции може да изпълнява общият AI?

Изкуственият общ интелект е много различен и е адаптивен тип интелект, подобно на човешкия интелект, гъвкава форма на интелект, способна да се научи да изпълнява напълно различни задачи, от подстригване до съставяне на електронни таблици или разсъждения по различни теми въз основа на натрупания опит . Този AI се вижда по-често във филми като Skynet в Terminator, но който все още не съществува днес и експертите по AI пишат как скоро ще стане реалност.

Проучване, проведено сред четири групи експерти през 2012/13 г. от изследователите на изкуствения интелект Винсент Мюлер и философа Ник Бостром, установи 50 процента шанс, че Изкуственият общ интелект (AGI) ще бъде разработен между 2040 и 2050 г., нараствайки до 90 процента до 2075 г. Групата отиде дори по-далеч, прогнозирайки, че AI ще може значително да надмине човешкото представяне в почти всички области.

Въпреки това, някои експерти по изкуствен интелект смятат, че подобни прогнози са изключително оптимистични, като се има предвид ограниченото ни разбиране за човешкия мозък, и смятат, че AGI ще продължи да се развива през следващите векове.

Какво е машинно обучение?

Има широк спектър от изследвания на ИИ, много от които се подхранват и допълват взаимно.

Понастоящем машинното обучение е мястото, където компютърна система получава големи количества данни, които след това използва, за да научи как да изпълни конкретна задача, като разпознаване на реч или надписи към снимки.

Какво представляват невронните мрежи (Botnet)?

Ключът към процеса на машинно обучение са невронните мрежи. Това са интелигентни мрежи от взаимосвързани слоеве от алгоритми, наречени неврони, които подават данни един към друг и които могат да бъдат обучени да изпълняват конкретни задачи чрез промяна на важността, приписана на оригиналните данни. Тъй като тези невронни мрежи се обучават, значението на информацията, прикачена като входни данни, ще се промени, докато изходът от невронната мрежа се доближи много до желаното, в който момент мрежата ще се „научи“ как да изпълнява определена задача.

Подгрупа на машинното обучение е задълбочено обучение, при което невронните мрежи се разширяват в разпръснати мрежи с огромен брой слоеве, които се обучават с помощта на огромни количества данни. Именно тези дълбоки невронни мрежи са подхранвали настоящия скок напред в способността на компютрите да изпълняват задачи като разпознаване на реч и компютърно зрение.

Има различни видове невронни мрежи с различни силни и слаби страни.

Повтарящите се невронни мрежи са тип невронни мрежи, особено подходящи за езикова обработка и разпознаване на реч, докато конволюционните невронни мрежи най-често се използват при разпознаване на изображения. Един от поразителните примери за невронна мрежа е Гугъл преводач.

Друга област на изследване на AI е еволюционното изчисление, което заимства от известната теория на Дарвин за естествения подбор, отбелязвайки, че генетичните алгоритми претърпяват произволни мутации и комбинации през поколенията в опит да се развие оптималното решение на даден проблем.

Този подход дори е бил използван за подпомагане на конструирането на AI модели, ефективно използвайки AI за подпомагане на изграждането на AI. Това използване на еволюционни алгоритми за оптимизиране на невронни мрежи се нарича невроеволюцияи може да играе важна роля в улесняването на развитието на ефективен ИИ, тъй като използването на интелигентни системи става все по-широко разпространено, особено когато търсенето на информация често изпреварва предлагането. Този метод беше демонстриран наскоро от компанията Uber Labs, които публикуваха изследвания за използването на генетични алгоритми за обучение на невронни мрежи с дълбоко подсилване за проблема.

И накрая, има експертни системи, където компютрите са програмирани с алгоритми, които им позволяват да вземат поредица от решения въз основа на голям брой входни данни, което позволява на тази машина да имитира поведението на човешки експерт в определена област. Пример за такива базирани на знания системи би била например система за автопилот на самолет.

Какво помага за развитието на изкуствения интелект?

Най-големите пробиви в изследванията на AI технологията през последните години са в областта на машинното обучение, особено дълбокото обучение.

Това се дължи отчасти на лесната наличност на данни, както и на бързото нарастване на паралелната изчислителна мощност през последните години, през което използването на GPU клъстери за обучение на системи за машинно обучение стана по-често срещано.

Тези клъстери не само предлагат по-мощни системи за обучение на модели за машинно обучение, но вече са широко достъпни като облачни услуги в Интернет. С течение на времето големи технологични компании като Google и Microsoft преминаха към използване на специализирани процесори, пригодени както за работещи, така и за новообучени модели на машинно обучение.

Пример за един от тези персонализирани чипове е (TPU), чиято най-нова версия ускорява скоростта, с която ефективните модели за машинно обучение, изградени с помощта на софтуерната библиотека Tensorflow на Google, могат да извеждат информация от данни, както и скоростта, с която могат да бъдат обучавани .

Тези чипове се използват не само за обучение на модели за DeepMind на Google, но и за моделите, които се намират в Google Photos и разпознаване на изображения, както и услуги, които позволяват на обществеността да създава модели за машинно обучение, използвайки TensorFlow на Google. Второто поколение на тези чипове беше представено на конференцията на Google миналия май, с набор от тези нови TPU, способни да обучават модела на Google за машинно обучение, използван за превод за половината от времето, необходимо за обработка на масив от данни от графична обработка от най-висок клас единици (GPU).

От какви елементи се състои машинното обучение?

Както споменахме, машинното обучение е подмножество на AI и обикновено се разделя на две основни категории: контролирано и неконтролирано машинно обучение.

Контролирано машинно обучение

Често срещан метод за обучение на AI системи е да ги обучавате с помощта на много голямо количество информация с примери. Тези системи за машинно обучение получават огромни количества данни, които са анотирани, за да подчертаят интересните характеристики. Това могат да бъдат снимки с етикет, който да каже на потребителя дали съдържат куче или тестов надпис. Тоест разпознава се документ, текст или картинка върху документ. И след това системата определя към какво може да се припише снимката и поставя подходящи етикети за изображенията (вид животно, паметник и т.н.) или се опитва да разпознае и прочете текста на документа. Веднъж обучена, системата може да приложи тези етикети към нови данни, като кучето на снимката, която току-що беше качена.

Този процес на машинно обучение в примера по-горе се нарича контролирано обучение. Маркирането обикновено се извършва от служители, работещи на платформи като .

Обучението на тези AI системи обикновено изисква големи количества данни, като някои системи трябва да търсят в милиони примери, за да се научат как да изпълняват задачи ефективно, въпреки че това става все по-възможно в ерата на големи количества информация и обширно извличане на данни. Наборите от данни за обучение са огромни и нарастват по размер – Google Images разполага с около девет милиона изображения, а видеоклиповете в YouTube хостват до седем милиона с видео маркера.

Хората обучават такъв изкуствен интелект. Както вече беше написано по-горе, те поставят различни тагове за текстове, изображения и видеоклипове. Тези знаци се използват от AI като примери за бъдещо разпознаване на текст и изображения. В рамките на две години тя събра персонал от близо 50 000 души - повечето от които бяха наети чрез Amazon Mechanical Turk.

В дългосрочен план достъпът до огромни, етикетирани масиви от данни може също да бъде по-малко важен от достъпа до големи количества изчислителна мощност.

През последните години системите за машинно обучение показаха, че могат да генерират огромни количества информация, за да се обучават.

Този подход може да доведе до възхода на полу-контролирано обучение, при което системите могат да се научат да изпълняват задачи, използвайки много по-малко етикетирани данни, отколкото е необходимо за системите за контролирано обучение днес.

Машинно обучение без надзор

За разлика от първото, неконтролираното обучение използва различен подход, при който алгоритмите се опитват да идентифицират модели в данните, като търсят прилики, които могат да се използват за класифициране на тези данни.

Пример за това е групирането на плодове с еднакво тегло или автомобили с еднакъв размер на двигателя.

Алгоритъмът не е предварително настроен да избира конкретни типове данни, той просто търси данни, които могат да бъдат групирани по техните прилики, като например Google News, групиращ новинарски истории по подобни теми всеки ден.

Учене с подсилване

При обучението за подсилване системата се опитва да максимизира възнаграждението въз основа на входа, като основно преминава през процес на проба и грешка, докато постигне възможно най-добрия резултат.

Пример за обучение с подсилване е Google DeepMind, който се използва за по-добро човешко представяне в различни класически видео игри. Системата се захранва от пиксели от всяка игра и определя различна информация, като например разстоянието между обектите на екрана.

Водещи компании в технологиите за изкуствен интелект

Гигантските технологични компании, както и стартъпите, правят всичко, за да заемат място на пазара за бъдещи технологии, а именно технологии, свързани с развитието на изкуствения интелект.

Всеки от тях редовно пише доклади и статии в изследванията на AI, въпреки че е вероятно Google, със своя DeepMind AlphaGo, да има най-голямо влияние върху обществената осведоменост за AI.

Какви AI услуги са достъпни за потребителите?

Всички основни облачни платформи на Amazon и Google Cloud Platform предоставят достъп до GPU за подготовка и изпълнение на модели за машинно обучение.

Цялата необходима инфраструктура и услуги са достъпни от големите три в облачни хранилища за данни, способни да съхраняват огромното количество информация, необходима за обучение на модели за машинно обучение, услуги за преобразуване на данни за подготовка на информация за анализ, инструменти за визуализация за ясно показване на резултатите и софтуер, който улеснява изграждането на модели.

Тези облачни платформи улесняват създаването на персонализирани модели за машинно обучение, а Google наскоро представи услуга, която автоматизира създаването на AI модели, наречена Cloud AutoML. Тази услуга създава персонализирани модели за разпознаване на изображения, дори ако потребителят няма опит в машинното обучение.

Базирани на облачни технологии, машинно обучение, услугите непрекъснато се развиват, моделите за обучение на AI се опростяват.

За онези фирми, които не искат да изграждат свои собствени модели за машинно обучение, но искат да използват базирани на AI услуги по заявка – като разпознаване на глас, визия и език – Microsoft Azure се отличава с обхвата на услугите, които предлага, следвани от Google Cloud Platform и след това от AWS. Междувременно IBM също се опитва да продава специфични за индустрията технологични услуги за изкуствен интелект, насочени към всичко - от здравеопазването до търговията, като групира тези предложения заедно под едно име, и наскоро инвестира 2 милиарда долара, за да разшири своите услуги за изкуствен интелект.

Кой печели надпреварата в AI технологията?

Изкуствен интелект в здравеопазването

AI може да има значително въздействие върху развитието на здравеопазването, като помага на рентгенолозите да идентифицират тумори в рентгенови лъчи, помагайки на изследователите да открият генетични последователности, свързани с болести, и идентифицирайки молекули, които биха могли да доведат до по-ефективни лекарства.

Свързаната с AI технология е тествана в болници по целия свят. Те включват използването на системата Watson на IBM, използването на системите Google DeepMind от Националната здравна служба на Обединеното кралство и много други.

Отново, зависи кого питате.

Главен изпълнителен директор на Tesla и SpaceX, че AI е „фундаментален риск за съществуването на човешката цивилизация“. Като част от стремежа си за по-силен регулаторен надзор и по-отговорни изследвания за смекчаване на недостатъците на AI, той създаде OpenAI, компания с нестопанска цел за изследване на изкуствения интелект, която се стреми да насърчава и развива щадящ човека AI, който трябва да е от полза за обществото като цяло.

По същия начин уважаваният физик Стивън Хокинг предупреди, че след като бъде създаден достатъчно напреднал ИИ, той бързо ще напредне до точката, в която технологията е многократно по-голяма от човешките способности, феномен, известен като сингулярност, и може да представлява екзистенциална заплаха за човека раса.

Въпреки това идеята, че човечеството е на ръба да бъде унищожено от AI, изглежда абсурдна за някои изследователи на AI.

Възможността изкуствено интелигентните системи да заменят голяма част от съвременния ръчен труд може да отнеме работните места на хората. Това е по-вероятна теория в близко бъдеще.
Въпреки че AI няма да замени всички работни места, изглежда вероятно ще промени естеството на работата и единственият въпрос е колко бързо и колко дълбоко автоматизацията ще промени работното място.

Едва ли има област от човешките усилия, която AI да не може да овладее. Експертът по изкуствен интелект Андрю Нг казва: „Много хора извършват рутинна, повтаряща се работа. За съжаление технологията е особено добра в автоматизирането на рутинна, повтаряща се работа“, казвайки, че вижда „значителен риск от технологична безработица през следващите няколко десетилетия“.

Започват да се появяват доказателства за това кои работни места ще бъдат изместени. Amazon наскоро стартира супермаркет в Сиатъл, където клиентите могат просто да вземат продукти от рафтовете и да си тръгнат. Какво означава това за повече от три милиона души в Съединените щати, които работят като касиери, предстои да видим. Amazon възнамерява да използва роботи, за да подобри ефективността в своите складове. Тези роботи подреждат и носят артикули за човек, който избира артикули за изпращане. Amazon има повече от 100 000 робота в своите центрове за изпълнение и има планове да разработи и увеличи броя на роботите. Но Amazon също така подчертава, че с нарастването на броя на ботовете ще нараства и броят на човешките работници в тези складове. Въпреки това в Amazon и в по-малки компании за роботика в момента можете да видите хора и роботи да работят заедно. Тези роботи, които работят заедно с човек в едно и също пространство, се наричат коботи.

Появата на напълно автономни самоуправляващи се автомобили по обществените пътища не е реалност, но според някои оценки тази технология може да отнеме 1,7 милиона работни места през следващите десетилетия, дори без куриери и таксиметрови шофьори, които също ще останат без работа .

Някои от най-простите задачи за автоматизиране обаче дори не изискват използването на роботика. В момента милиони хора работят в администрацията, въвеждат и копират данни между системите, резервират хотели за компании и много други. Тъй като софтуерът става все по-добър при автоматично актуализиране на системите и маркиране на важна информация, необходимостта от администратори ще намалее.

Но ще бъдат създадени нови работни места, които да заменят изгубените. Препоръчваме да прочетете статията „“ за това. Не е известно обаче колко бързо ще бъдат създадени нови работни места, които да заменят изгубените от хората. И ще успеят ли хората толкова бързо да се научат и адаптират към новите технологии?

Не всички хора са песимисти. За някои AI е технология, която ще допълни, а не ще замени работниците.

Сред експертите по изкуствен интелект има мнения за това колко бързо системите с изкуствен интелект ще надминат човешките възможности.

Институтът за бъдещето на човечеството към Оксфордския университет помоли няколкостотин експерти по машинно обучение да предскажат възможностите на ИИ през следващите десетилетия.

Компаниите са използвали самия AI, за да решат този проблем, който е изчислил, че шофьорите на камиони ще бъдат уволнени до 2027 г., AI ще надмине човешките способности в търговията на дребно до 2031 г., ще напише най-продаваната книга до 2049 г. и ще изпълнява работата на хирург до 2053 г.

Експертите оценяват сравнително висока вероятност AI да изпревари хората във всички области в рамките на 45 години и да автоматизира всички човешки работни места в рамките на 120 години.