Значение словосочетания laquoестественный интеллект

Эпизод из Черного зеркала: Белое Рождество White Christmas, 2014

Длительность: 1 час 13 минут.

Сюжет: Пикап-тренер Мэтт использует смарт-линзы, чтобы наблюдать за взаимодействием своих учеников с женщинами и предлагать советы в режиме реального времени. Однако это лишь сторонний проект, основная работа Мэтта — принуждение наделенных искусственным интеллектом ассистентов по дому к выполнению своей работы.

Ассистент представляет из себя копию сознания своего владельца, помещенную в небольшой блок управления. Диджитал-копия человеческого интеллекта сначала идентифицирует себя как оригинальную версию своего адепта, но затем свыкается с рабской жизнью и доводит функционирование дома до идеала. С развитием сюжета вводится и третья технология будущего: возможность блокировки людей в реальной жизни опять же за счет смарт-линз и портативного пульта управления; от заблокированного человека при этом остается лишь размытый беззвучный силуэт.

Реалистичность: 4 из 5.

Вердикт: Представьте президентские дебаты, на которых кандидатам в онлайн-режиме через интегрированный микрофон зачитываются самые популярные твиты об их высказываниях — такой сценарий интересен, а технология реалистична уже сегодня.

Блокировка людей в жизни тоже выглядит вполне правдоподобно: во-первых, мы привыкли к подобным вещам в соцсетях, так почему это не может перейти в другую плоскость? Во-вторых, уже существует технология блокировки рекламы — очки виртуальной реальности умеют распознавать и размывать изображения рекламного характера; совместите разработки VR-линз от Google с механизмом рекламной блокировки, и сюжет «Белого Рождества» станет частью повседневности уже через пару лет.

Фантастически выглядит создание искусственного интеллекта путем полного копирования шаблонов человеческого сознания. Эта концепция также продолжает историю со всеми интернет-профилями, что делает ее ближе к реальности. Специалисты по рекламе всегда стараются предугадать действия покупателей, но для исследования представленной в «Белом Рождестве» технологии им потребуется огромные вложения.

Применение такой формы искусственного интеллекта в управлении умным домом более оригинально; это реалистичная механика организации быта для крайне состоятельных людей. Дома люди ведут себя естественнее, чем в любом публичном пространстве, поэтому подстроить все процессы под себя довольно просто — проекты умных домов уже разрабатываются Google, Amazon и Apple.

Сегодня компании заставят вас платить за комфорт, а завтра получат данные, которые для них гораздо ценнее. Это сложно контролировать, пока мы не видим прецедентов. Корпорации в своих исследованиях зашли очень далеко, и трудно делать предсказания, когда самые современные технологии засекречены. Однозначно лишь одно: в один день мы проснемся, и мир будет совсем другим.

Взгляды

Некоторые игровые программисты рассматривают любую методику, которая используется для создания иллюзии интеллекта, как часть игрового ИИ. Однако этот взгляд является спорным, так как он включает методики, которые широко используются вне движка игрового ИИ

Например, информация о потенциальных будущих столкновениях является важной вводимой информацией в алгоритмы, которые помогают создавать ботов, которые будут достаточно умными для избегания столкновений с объектами. Но те же самые методики определения столкновений являются необходимым и одним из самых важных компонентов физического движка

Точно так же результаты испытательного направления взгляда (взора) бота (en:Line of sight (gaming)) обычно являются важными вводными данными в систему прицеливания бота; вместе с тем эти данные широко используются при рендеринге в графическом движке. Финальным примером является скриптинг, который может быть удобным инструментом для всех аспектов игровой разработки, однако часто сильно ассоциируется с контролированием поведения неигровых персонажей.

Пуристы считают, что выражение «искусственный интеллект» в термине «игровой искусственный интеллект» является преувеличением, поскольку игровой ИИ описывает не интеллект и использует немногие из направлений академической науки «Искусственный интеллект». Принимая во внимания, что «реальный» ИИ обращается к отраслям самообучающихся систем и принятии решений, которые базируются на произвольном вводе данных, и даже к окончательной цели «сильного» ИИ, который может рассуждать, игровой ИИ часто состоит из нескольких эмпирических правил и эвристики, которых достаточно, чтобы предоставить игроку хороший геймплей, ощущения и впечатления от игры.

Увеличение понимания академического ИИ разработчиками игр и растущий интерес академического сообщества к компьютерным играм вызывает вопрос, насколько и в какой степени игровой ИИ отличается от классического. Однако существенные различия между различными прикладными областями искусственного интеллекта означают, что игровой ИИ всё ещё может быть рассмотрен как отдельная под-отрасль ИИ

В частности, способность «законным» образом решить некоторые проблемы ИИ в играх через обман создаёт важное различие. Например, выведение позиции невидимого объекта из прошлых наблюдений может быть трудной проблемой, когда ИИ применён к робототехнике, но в компьютерных играх неигровой персонаж может просто искать позицию в игровом графе (en:Scene graph)

Такой обман может привести к нереалистичному поведению и поэтому не всегда желателен. Но его способность служит для различения игрового ИИ приводит к новым проблемам, таким, как когда и как использовать обман.

Влияние политики на рынки

К примеру, в случае с выходом Великобритании из Европейского союза, база данных Kensho смогла за считанные секунды предложить наиболее вероятный вариант развития событий, которые последуют за выбором популистов. Система подсказала, что ожидать скорого восстановления фунта стерлингов не стоит. Алгоритм стартапа основывался на данных том, что на протяжении истории популистские устремления всегда оборачивались усиленной продажей национальной валюты, а именно это и началось в первые же дни и месяцы после рокового решения. В июле курс фунта упал до 30-летнего минимума, остановившись на отметке $1,28 за фунт, но позднее немного укрепился до $1,33. Однако падение на этом не закончилось, и фунт побил новый антирекорд, опустившись до $1,22.

Когда популистские настроения дошли до американского берега Атлантики, у Kensho опять-таки был наготове подробный анализ происходящего. После выборов доллар США укрепился на 3%, но история вновь показала, что близится массовая продажа американской валюты. В начале 2017 года Kensho пришли к выводу о том, что компании, на которые повлиял рост курса национальной денежной единицы — в большинстве своем, технологические корпорации, — скоро выйдут на сверхприбыли. Так все и вышло: главными победителями по итогам 2017-го оказались технологические гиганты, а больше всех не поздоровилось от этого, разумеется, доллару.

А что алгоритмы Kensho думают о решении Дональда Трампа ввести таможенные пошлины на импортные сталь и алюминий? Хотя некоторые эксперты полагают, что средние и мелкие предприятия от подобной протекционистской политики федеральных властей только выиграют, не стоит у этих компаний ожидать существенного роста фондовых показателей. В действительности на бирже ценных бумаг NASDAQ бал по-прежнему правят технологические конгломераты — несмотря на политику властей, сверхприбыли так и остаются исключительно привилегией данного сектора. Такой анализ Kensho провел, к слову, всего за несколько секунд, в течение которых обработал данные 14 законов о таможенных пошлинах начиная с 1988 года.

Со временем стартап для Goldman Sachs оказался не просто ключом от всех дверей на Уолл-стрит. Чавез и подразделение банка, занимающееся главными направлениями инвестирования, помогли Нэдлеру радикально изменить курс финансовой корпорации

Теперь вместо того, чтобы сосредоточивать все внимание только на торговле ценными бумагами (важная, но относительно небольшая доля крупных банков), алгоритмы системы применяются на всех уровнях Goldman Sachs

В настоящее время технологии Kensho используются в подразделении по управлению финансовыми активами общим объемом $1,5 трлн. Здесь особый «движок взаимного коррелирования» отслеживает зависимость различных активов от того, почему и насколько они привлекательны для потенциальных инвесторов. Также стартап каждое воскресенье выпускает собственный отчет, в котором приводит данные анализа новостной повестки дня, доходов компаний и изменений экспертных оценок. Открытая архитектура системы позволяет пользователям вносить по своему усмотрению собственные параметры.

Рана Йаред, управляющий директор Goldman Sachs, контролировавшая инвестирование капитала в Kensho, объясняет: «Клиенты Goldman Sachs положительно восприняли систему Kensho, ведь она позволяет пользователю распоряжаться собственными активами без каких-либо посредников и незаметно становится неотъемлемой частью самой бизнес-модели. Наши сотрудники тоже должны просчитывать последствия каждого решения, но с Kensho эти прогнозы становятся во много раз точнее». Сам Дэниел Нэдлер добавляет: «Разработанный нами интеллект на самом деле должен называться не искусственным, а усовершенствованным. Если задуматься, он делает очень заурядные вещи, — которые, тем не менее, принято считать, человеку не под силу, — и делает их в мгновение ока».

Мартин Чавез, занимающий сейчас должность финансового директора Goldman Sachs, посоветовал руководителю стартапа расширить платформу и не ограничиваться одними лишь инвестициями и торговлей ценными бумагами. Таким образом финансовая корпорация могла бы использовать базу данных и мощности машинного обучения для планирования потенциальных капиталовложений гораздо быстрее и эффективнее. Выгоду это принесло бы и корпоративным клиентам инвестиционного банка. Именно эти аспекты стали решающими в сделке с S&P Global.

Новости и блоги

  • AI Weekly — Еженедельные новости и ресурсы по искусственному интеллекту и машинному обучению.
  • Approximately Correct — Блог про искусственный интеллект и машинное обучение.
  • Axiomzen — Рассылка про ИИ раз в 2 недели.
  • Concerning.ai — ИИ коментаторы.
  • Fast.ai — Блог про доступность глубокого обучения для всех.
  • Machinelearning.ai — Новости и обновления про искусственный интеллект и машинное обучение.
  • Machine Learning Weekly — Отбираемая в ручную рассылка про машинное и глубокое обучение.
  • PRAI — Форум про искусственный интеллект, машинное обучение и роботостроение.
  • Storyteller — Отслеживает появление новых описаний интеллектуальных алгоритмов.
  • Machine Learnings — От переводчика: Еженедельная рассылка про ИИ.

Это только начало! Сообщите мне, если я пропустил какую-либо компанию, которая, по вашему мнению, должна была быть включена, любые изменения, которые я должен внести, или если есть такие компании, которых просто не должно быть в списке. Я готовлю части 2 и 3, которые скоро появятся!

Я, Лиам Хэнель (Liam Hänel), основатель и генеральный директор Lyra. Lyra помогает вам легко отслеживать и анализировать ваш личный уровень выдыхаемого углекислого газа с помощью искусственного интеллекта. Вы можете узнать о нашем прогрессе на нашем сайте.

От переводчика

Хочется отметить, что как у автора, так и в СМИ, часто смешиваются понятия “чат-бот” и “искусственный интеллект”. Чат-бот — это интерфейс, а за ним может быть как простой алгоритм, так и искусственный интеллект или даже живой человек. Про наличие сотрудников, которые обрабатывают заявки от имени “человекоподобного” чат-бота, прямым или косвенным образом признавались такие проекты, как x.ai и Clara.

Полезные Развлечения Случайные

  • CaptionBot — Microsoft описывает любую фотографию.
  • Crowdfunding.ai — краудфандинговая платформы для ИИ-проектов.
  • Elevator — Помогает находить и покупать каннабис (с рекомендациями).
  • Fieldguide — Универсальное полевое знаний, которое предлагает возможные совпадения.
  • Frankenstain.ai — Это совместный эксперимент с использованием ИИ, машинного обучения, робототехники, биоинженерии и IoT.
  • #Laugh — Смех, визуализированный в цифровом формате, который может быть отправлен в космос.
  • IntelligentX Brewing Co. — Пиво, сваренное искусственным интеллектом.
  • Spark — Помогает заказать каннабис текстовым сообщением.
  • Token — Помогает отправить идеальный подарок.
  • Wixi — Помогает исправить проблемы с Wi-Fi.
  • Mushroom AI — От переводчика: Распознаёт грибы по фотографии.

ИИ, пытающийся избежать проблем, научился сложному поведению

В обучении с подкреплением (Reinforcement Learning) часто используется любопытство в качестве мотивации для ИИ. Заставляющее его искать новые ощущения и исследовать окружающий мир. Но жизнь полна неприятных сюрпризов. Можно упасть с обрыва и с точки зрения любопытства это всегда будут очень новые и интересные ощущения. Но явно не то, к чему надо стремиться.

Разработчики из Berkeley перевернули задачу для виртуального агента с ног на голову: главной мотивирующей силой сделали не любопытство, а наоборот — стремление всеми силами избегать любой новизны. Но «ничего не делать» оказалось сложнее, чем кажется. Будучи помещенным в постоянно меняющийся окружающий мир, ИИ пришлось обучиться сложному поведению, чтобы избегать новых ощущений.

О том, как ИИ изменит рынок труда

Профессии не исчезнут – они поменяются. Где-то поменяется количество занятости, где-то человек станет эффективнее, один специалист сможет выполнять работу за десятерых. Это происходило всегда: когда появилась лопата, стало понятно, что человек с лопатой может делать работу двух человек с мотыгой. Когда появился трактор, стало понятно, что он может сделать столько, сколько сто человек с лопатами. И ни разу на пути этого прогресса не было такого, что мы говорили: нет, что-то плохо с тракторами получилось, давайте к лопатам вернёмся.

Профессии будут меняться, как это происходило всегда, но не думаю, что стоит ожидать резких потрясений. Роботы заменят операторов колл-центров, просто потому что там более-менее одинаковые сюжеты. Но мы сами же рекомендуем всегда оставлять возможность переключения на оператора: во-первых, нужно явно давать понять человеку, что сейчас с ним говорит робот, он мне отвечает очень быстро и по делу. Если он не может меня понять, мне остаётся возможность – соедините меня с человеком. Операторов будет меньше, но они будут более квалифицированны, они будут решать действительно сложные вопросы, а типовые будут за роботами.

Будет продолжать исчезать рутинная и тяжёлая работа, причём уходить она будет медленно, не то что однажды всем скажут: теперь вместо вас роботы, вы свободны, нет. Помимо того, что какие-то профессии будут меняться, будет создаваться новый пласт рынка труда. Вы бы хотели иметь персонального ассистента, который билеты бронирует, на рейс регистрирует, в парикмахерскую запишет, утром разбудит, напомнит что угодно, всё запишет, сообщит о встрече? Я тоже о таком всю жизнь мечтаю. А вам хотелось бы стать таким помощником? Работать на меня, например, и 24 часа, ночью и днем, выполнять мои капризы, записывать мои сообщения, говорить мне: тебе пора вставать? Вряд ли. Мы видим разрыв между нашими потребностями и людьми, которые хотят эти потребности удовлетворять. И именно здесь приходит искусственный интеллект, который заполняет нишу. Роботы будут выполнять ту работу, которую людям выполнять на самом деле не очень хочется, просто иногда они вынуждены. У робота таких понятий, как удовольствие и неудовольствие, к счастью, нет.

У компьютерных программ есть IQ

Нет. IQ основан на темпах развития интеллекта у детей. Это отношение возраста, в котором ребенок обычно набирает определенный результат, к возрасту ребенка. Данная оценка подходящим образом распространяется и на взрослых людей. IQ хорошо коррелирует с различными показателями успеха или неудачи в жизни. Но создание компьютеров, которые могут набрать высокий балл в тестах IQ, будет слабо связано с их полезностью. Например, способность ребенка повторять длинную последовательность цифр хорошо коррелирует с другими интеллектуальными способностями. Она показывает, какое количество информации ребенок может запомнить за один раз. При этом удержание в памяти цифр является тривиальной задачей даже для самых примитивных компьютеров.

Как сравнить человеческий и компьютерный интеллекты?

Артур Р. Дженсен, ведущий исследователь в области человеческого интеллекта, в качестве «эвристической гипотезы» утверждает, что обычные люди имеют одни и те же механизмы интеллекта и интеллектуальные различия связаны с «количественными биохимическими и физиологическими условиями». К ним относятся скорость мышления, краткосрочную память и способность формировать точные и извлекаемые долгосрочные воспоминания.   

Независимо от того, правильна ли точка зрения Дженсена в отношении человеческого интеллекта, ситуация в ИИ на сегодняшний день является противоположной.

Компьютерные программы имеют большой запас скорости и памяти, но их способности соответствуют интеллектуальным механизмам, которые разработчики программ хорошо понимают и могут вложить в них. Некоторые способности, которые дети обычно не развивают до подросткового возраста, внедряются. Другие, которыми владеют двухлетние дети, все еще отсутствуют. Дело еще более усугубляется тем фактом, что когнитивные науки до сих пор не могут точно определить, каковы человеческие способности. Скорее всего, организация интеллектуальных механизмов ИИ выгодно отличается от таковой у людей.

Когда человеку удается решить задачу быстрее, чем компьютеру, это говорит о том, что разработчикам не хватает понимания механизмов интеллекта, необходимых для эффективного выполнения данной задачи.

Для чего используется глубокое обучение и нейросети

Есть несколько областей, где эти две технологии помогли достичь заметного прогресса. Более того, некоторые из них мы ежедневно используем в нашей жизни и даже не задумываемся, что за ними стоит.

  • Компьютерное зрение — это способность программного обеспечения понимать содержание изображений и видео. Это одна из областей, где глубокое обучение сделало большой прогресс. Например, алгоритмы обработки изображений глубокого обучения могут обнаруживать различные типы рака, заболеваний легких, сердца и так далее. И делать это быстрее и эффективнее врачей. Но глубокое обучение также укоренилось и во многих приложениях, которые вы используете каждый день. Apple Face ID и Google Photos используют глубокое обучение для распознавания лица и улучшения качества снимков. Facebook использует глубокое обучение, чтобы автоматически отмечать людей на загружаемых фотографиях и так далее. Компьютерное зрение также помогает компаниям автоматически идентифицировать и блокировать сомнительный контент, такой как насилие и нагота. И, наконец, глубокое обучение играет очень важную роль в обеспечении возможности самостоятельного вождения автомобилей, чтобы они могли понимать, что их окружает.
  • Распознавание голоса и речи. Когда вы произносите команду для вашего Google Ассистента, алгоритмы глубокого обучения преобразуют ваш голос в текстовые команды. Несколько онлайн-приложений используют глубокое обучение для транскрибирования аудио- и видеофайлов. Даже когда вы «шазамите» песню, в дело вступают алгоритмы нейросетей и глубокого машинного обучения.
  • Поиск в интернете: даже если вы ищите что-то в поисковике, для того, чтобы ваш запрос был обработан более четко и результаты выдачи были максимально правильными, компании начали подключать алгоритмы нейросетей к своим поисковым машинам. Так, производительность поисковика Google выросла в несколько раз после того, как система перешла на глубокое машинное обучение и нейросети.

AI Journey: доклады и результаты соревнования

Всем привет! С октября по декабрь проходила серия конференций по искусственному интеллекту – AI Journey. Чуть раньше в ноябре мы подвели итоги международного соревнования по созданию общего или сильного ИИ – artificial general intelligence (AGI). Хотим сразу вас успокоить, что мы не создали сильный ИИ, но приблизились к этому с помощью robot college student test. Участники должны были натренировать свои алгоритмы так, чтобы те смогли сдать выпускной экзамен по русскому языку. В итоге решения победителей получили «четвёрки».

Под катом среди прочих вы найдёте записи выступлений Юргена Шмидхубера — автора работы о LSTM; Анны Вероники Дорогуш — руководителя разработки библиотеки машинного обучения CatBoost; Бена Герцеля, который и ввёл термин robot college student test.

На смену профессионалам, которые понимают, что и как работает, приходит система, работающая в автоматическом режиме, которой мы все будем вынуждены слепо доверять

Своими соображениями по поводу наступления искусственного интеллекта поделился в ФБ переводчик Сергей Корогод:

«Социальные сети рассказывают ужасы про сферу перевозок — роботы скоро очень быстро начнут вытеснять водителей с дорог. Причем, что обидно: профессиональных водителей они вытеснят, а ремонтников дорог с гораздо более низкой зарплатой — нет, т.к. там нужно много разных ручных операций. Т.е. люди будут обслуживать роботов за копейки. Обидно. Проблема в том, что эта тенденция не ограничится сферой перевозок.

Вот я сейчас перевожу… но т.к. у меня лучше получается редактирование, да и переводить лень, я загнал текст в автопереводчик и редактирую. Так вот — современные мощные платные (!) профессиональные автопереводчики (тот же Google) переводят даже сложные юридические тексты зачастую лучше, чем переводчики. Уж поверьте мне. Они тоже лажают, да, их обязательно надо редактировать, но и переводчиков надо перепроверять!

На сегодня это уже не уровень автопереводчика, например, сайта Майкрософт, когда почитаешь статью на русском и думаешь «ага. Пойду-ка почитаю на английском, может там понятнее?». Это вполне готовый продукт.

В результате мы имеем, что в ближайшем будущем еще одна профессия встанет под вопросом. Т.е. пока там нужно будет небольшое количество хороших профессионалов, но больше не нужно будет огромное количество ремесленников, переводящих огромное количество текста.

А если подумать, то таких вымирающих профессий будет куда больше, чем две, а заменять их новые профессии (о чем нам рассказывают) не будут, потому что в новых профессиях не нужно столько людей. Что в результате останется: чернорабочий, обслуживающий роботов, инженер-разработчик (ИТ), делающий новое ПО и профессионал, создающий и контролирующий процесс производства.

И вот тут меня осенило:

А где этих профессионалов взять? Вот здесь я вижу огромное поле для деградации в будущем, и дальнейшей катастрофы, т.к. сначала начнет падать базовый уровень, за ним начнет падать и уровень высоких профессионалов, и при смене поколений не останется никого. Причем в РФ уже очень многие профессии деградировали по такой схеме — например, я точно знаю про авиацию, причем как летчиков, так и конструкторов. У людей отсутствует понимание широкого комплекса работ, каждый уткнулся в свой компьютер на своем участке, и в результате каждая отдельная подсистема вроде ничего, а общий результат и там, где нужна системность — катастрофа. Да, это я про Суперджет. И про подготовку летчиков, которые не могут его посадить, потому что не понимают, как он летает.

Соответственно, в виде вывода мы получаем вот какой ужас. С внедрением автоматических систем постепенно мы приходим к ситуации, когда отрасль становится полностью автоматизированной. Робот по определению не понимает, что он делает. Робота создают и настраивают айтишники, которые тоже не понимают, что он должен делать. Профессионалы, которые понимают, постепенно просто перестают существовать, и на определенном горизонте мы получаем систему, которая работает в автоматическом режиме, но мы не понимаем, как и что она делает, и вынуждены слепо ей доверять. Адаптировать под любые изменившиеся условия ее тоже будет сложно, потому что непонятно, как она работает, а людей, которые понимают, что и как — нет.

Была, помнится, статья с таким тезисом: даже если сейчас США поставят перед собой задачу снова собрать шаттл, они не смогут этого сделать. Не производятся материалы, закрылись обрабатывающие заводы, нет той электроники, нет профессионалов-сборщиков, утрачены чертежи и проекты, а главное — нет специалистов, которые все это могут собрать воедино и заставить заработать. Ладно, какую-то кривую-косую замену шаттла придумали, но этот принцип же действует во всех отраслях!

Причем капитализм, который не подгоняют пинками в сторону развития, очень быстро через «оптимизацию» отрежет все лишнее, куда обязательно войдет высшее образование и СИСТЕМНАЯ подготовка профильных специалистов (между прочим, по этому поводу на западе уже вопят во всю мочь, только их не пускают к микрофону).

НУ и последнее. Все это будущее уже было описано. К сожалению, жить мы будем не в мире братьев Стругацких, а в мрачном будущем Филипа Дика. Великий был чувак, раз еще тогда (пусть и под веществами) описал ту модель, которая только начинает строиться сегодня…»

Инвестиционное развитие ИИ

Согласно прогнозам экспертов компании Gartner, к началу 2020-х годов практически все выпускаемые программные продукты будут использовать технологии искусственного интеллекта. Также специалисты предполагают, что около 30% инвестиций в цифровую сферу будут приходиться на ИИ.

По мнению аналитиков Gartner, искусственный интеллект открывает новые возможности для кооперации людей и машин. При этом процесс вытеснения человека ИИ невозможно остановить и в будущем он будет ускоряться.

В компании PwC считают, что к 2030 году объем мирового валового внутреннего продукта вырастет примерно на 14% за счет быстрого внедрения новых технологий. Причем примерно 50% прироста обеспечит повышение эффективности производственных процессов. Вторую половину показателя составит дополнительная прибыль, полученная за счет внедрения ИИ в продукты.

Первоначально эффект от использования искусственного интеллекта получит США, так как в этой стране созданы лучшие условия для эксплуатации машин на ИИ. В дальнейшем их опередит Китай, который извлечет максимальную прибыль, внедряя подобные технологии в продукцию и ее производство.

Эксперты компании Saleforce заявляют, что ИИ позволит увеличить доходность малого бизнеса примерно на 1,1 триллиона долларов. Причем произойдет это к 2021 году. Отчасти добиться указанного показателя удастся за счет реализации решений, предлагаемых ИИ, в системы, отвечающие за коммуникацию с клиентами. Одновременно с этим будет улучаться эффективность производственных процессов благодаря их автоматизации.

Внедрение новых технологий также позволит создать дополнительные 800 тысяч рабочих мест. Эксперты отмечают, что указанный показатель нивелирует потери вакансий, произошедшие из-за автоматизации процессов. По прогнозу аналитиков, основанных на результатах опроса среди компаний, их расходы на автоматизацию производственных процессов к началу 2020-х годов возрастут примерно до 46 миллиардов долларов.

В России также ведутся работы в области ИИ. На протяжении 10 лет государство профинансировало более 1,3 тысячи проектов в данной сфере. Причем большая часть инвестиций пошло на развитие программ, не связанных с ведением коммерческой деятельности. Это показывает, что российское бизнес-сообщество пока не заинтересовано во внедрении технологий искусственного интеллекта.

В общей сложности на указанные цели в России инвестировали порядка 23 миллиардов рублей. Размер государственных субсидий уступает тем объемам финансирования сферы ИИ, которые демонстрируют другие страны. В США на эти цели каждый год выделяют порядка 200 миллионов долларов.

В основном в России из госбюджета выделяют средства на развитие технологий ИИ, которые затем применяются в транспортной сфере, оборонной промышленности и в проектах, связанных с обеспечением безопасности. Это обстоятельство указывает на то, что в нашей стране чаще инвестируют в направления, которые позволяют быстро добиться определенного эффекта от вложенных средств.

Приведенное выше исследование также показало, что в России сейчас накоплен высокий потенциал для подготовки специалистов, которые могут быть задействованы в разработке технологий ИИ. За 5 последних лет обучение по направлениям, связанным с ИИ, прошли примерно 200 тысяч человек.

Использование

Эвристические алгоритмы игрового искусственного интеллекта используются в широком разнообразии во многих отраслях внутри игры. Самое очевидное применение игрового ИИ проявляется в контролировании неигровых персонажей, хотя скриптинг тоже является очень распространённым способом контроля. Поиск пути является другим широко распространённым применением игрового ИИ, — он особенно проявляется в стратегиях реального времени. Поиск пути является методом для определения того, как неигровому персонажу перейти с одной точки на карте к другой: нужно учитывать ландшафт, препятствия и, возможно, «туман войны». Игровой ИИ также связан с динамической игровой балансировкой.

Концепция непредсказуемого (англ. emergent) ИИ была исследована[кем?] в таких играх, как Creatures, Black & White и Nintendogs, и в таких игрушках, как тамагочи. «Домашние животные» в этих играх имеют способность «учиться» из действий, предпринятых игроком, и их поведение изменяется соответственно. В то время, как эти решения взяты из ограниченного множества возможных решений, это действительно часто даёт желаемую иллюзию интеллекта по другую сторону экрана.

Ссылка на основную публикацию