110
Будущее сегодня. Horasis Global Meeting глазами российского участника
«В Horasis Global Meeting участвовало много известных политиков, финансистов, банкиров и предпринимателей – площадка собрала более 700 делегатов со всего мира, представляющих небольшие африканские страны, Европу, Азию.
Тема Horasis Global Meeting в 2018 году была заявлена как “Inspiring the future”, таким образом, все говорили о возможном будущем, которое нас ожидает, в разрезе философии, политики, блокчейна и криптовалют, радикализма, бедности, патриотизма и т. д.
Мне хотелось бы остановиться на темах, связанных с искусственным интеллектом и машинным обучением – направлениями, в рамках которых я выступал одним из спикеров.
Надо признаться, что взгляды многих футурологов очень сильно резонируют с моими, например, что через 5–10 лет рынок труда изменится до неузнаваемости, и уже сейчас мы входим в новую волну развития «цифровой экономики».
Такие профессии, как таксист или водитель автобуса, просто исчезнут, а профессии врача или юриста находятся в группе риска из-за того, что использование искусственного интеллекта может сделать работу этих специалистов невостребованной.
Давайте определимся, а реализован ли искусственный интеллект уже сейчас. Вопрос спорный. В моем понимании, пока компьютер не научится сам синтезировать знание на основе полученных фактов, говорить об искусственном интеллекте преждевременно. Мне больше нравится термин «слабый искусственный интеллект» или «система с использованием искусственного интеллекта». Дело в том, что многие компании и СМИ часто стали спекулировать этим термином, причем безосновательно. Даже чат-боты и самые продвинутые роботы-собеседники не могут относится сегодня к искусственному интеллекту.
После выступлений многих докладчиков складывалось ощущение, что люди хотят верить, что ИИ существует, и им просто необходимо (возможно, просто ввиду определенной моды, поскольку новый термин стал лучше резонировать в восприятии читателей) использовать этот термин в своих докладах и работах.
Что же на самом деле есть уже сейчас?
Есть системы, которые способные обрабатывать большое количество информации по заданным жестким критериям или с гибкими критериями. Это в первую очередь касается динамических систем, когда невозможно выделить постоянные признаки.
Например, со слов одного из управляющих директоров Банка Канады, для анализа реальных цифр по китайской экономике он штудирует текущую китайскую прессу и исходит во многом из того, что по тем или иным моментам пишут китайские СМИ. В понимании автора настоящей статьи – это хороший и серьезный задел для того, чтобы говорить о том, что «слабый ИИ» уже существует. Ведь как раз здесь и реализуется механизм с динамическими признаками. Китайские СМИ могут писать о проблемах роста экономики, но вместе с тем описывать большие темпы роста, или, наоборот, писать про небольшие темпы роста, говоря, что проблем не существует… Для «слабого ИИ» подобные формулировки могут быть тождественными.
Конечно, возникает масса вопросов, например, каким образом это реализовано и чем это лучше, чем обычный алгоритм на основе статистических методов.
В целом надо сказать, что многие не до конца понимают разницу между статистическими методами обработки информации и обработки с помощью машинного обучения и нейросетей. Основное отличие заключается в том, что статистический метод обработки требует базовой настройки, в то время как метод на основе нейросетей в подобной настройке не нуждается, зато нуждается в том, чтобы изначально задать примеры «правильного и неправильного», «белого и черного», «хорошего и плохого». Фактически система сама выявляет и находит признаки, которые в статистике нужно находить и выставлять самому, с другой стороны, на выходе получается «черный ящик», спрогнозировать работу которого практически невозможно.
Для многих компаний и потенциальных заказчиков это становится неприятным сюрпризом: вы предлагаете решение, но у данного решения нет алгоритма, т. е. вы предлагаете нечто, за результаты работы которого вы не можете ручаться.
Вместе с тем уже сейчас существуют системы распознавания образов в реальном времени, например, компания Uber использует решения Microsoft Cognitive для анализа данных, которые поступают с камер водителей.
В свою очередь, муниципалитет некоторых крупных городов мира уже вполне серьезно обсуждают вопросы, связанные с «интеллектуальным управлением города» для того чтобы маршрутизировать и управлять транспортным потоком, распределением электричества и т. д.
Отдельным и весьма интересным решением было озвучено использование и анализ социального профиля клиентов одного шведского банка (название которого я не привожу, поскольку оно было озвучено в приватной беседе) в соцсетях. Подобные методы уже применяют краудсорсинговые компании по выдаче коротких займов онлайн.
Кроме того, по фотографиям анализируются клиенты банков для выявления индекса удовлетворенности, иными словами, можно оценивать по выражению лица, доволен клиент или нет.
Как отметил в своем выступлении известный португальский политик Жозе Мануэль Боррозу (Jose Manuel Durão Barroso), крупным банкам, таким, например, как Goldman Sachs, «умные системы» позволяют выявлять элементы сговора и фиксировать манипуляции ценами на различного рода финансовые инструменты. Фактически банк становится на страже этического кодекса. Кстати, подобный анализ практикует и Банк Канады: зафиксировав всплеск активности на том или ином финансовом инструменте, он способен быстро принимать решение о проведении дополнительной проверки или ограничить торговлю тем или иным финансовым инструментом.
Так или иначе, но все представленные на Horasis Global Meeting решения в настоящий момент на рынке нельзя назвать 100%-нами системами с искусственным интеллектом. Все они обладают элементами или могут иметь свойства ИИ, однако до настоящего искусственного интеллекта им пока очень далеко ».
