<<
>>

ИИ скоро будет учиться в процессе работы

Исследования в области ИИ имеют свои трудности. В настоящее время эталоны для сравнения устанавливаются путем грубого перебора и сопоставления шаблонов, и незначительные изменения во входных сигналах могут полностью нарушить модели машинного обучения.

Возможно, текущие подходы имеют недостаточную конструктивную прочность, чтобы научить ИИ справляться с самыми сложными задачами, такими как решение проблемы «здравого смысла» или воссоздание ситуативных моделей. Исследователи хотели бы, чтобы машины могли действовать, исходя из ситуативного контекста, и делать общие выводы, не проходя предварительное обучение на огромных наборах данных, но пока это невозможно. Вероятно, новые технологии, такие как квантовые вычисления, смогут изменить подходы ИИ к получению информации о проблемах и позволят ему учиться посредством получения обратной связи, а может, даже имитировать человеческие когнитивные функции познания мира. Если это произойдет, искусственный интеллект сможет приносить экономическую выгоду, работая без свойственных человеку ошибок и усталости.

Даже без таких прорывов прогресс идет быстро, и надежды высоки. Разрабатываются роботы для полетов на Марс, для помощи медицинским работникам и даже для создания роботов{131}. Однажды могут появиться полчища крошечных роботов под управлением облачного ИИ, обеспечивающие интеллектуальные приложения на централизованных серверах данными, необходимыми для координации и распределения ресурсов. ИИ уже проникает в профессиональные области, требующие обширных знаний, такие как журналистика, медицина, бухгалтерия и юриспруденция. Даже если юристы и врачи не будут заменены полностью, интеллектуальные приложения, способные синтезировать и анализировать примеры из практики и диагностические снимки, изменят эти профессии. А пока ИИ активно улучшает себя, инвестиции в индустрию робототехники в 2019 году, по некоторым оценкам, превысят 135 млрд долл., что почти в два раза больше инвестиций 2015 года{132}.

Автомобили не только станут ездить без водителей, но и, скорее всего, будут производиться без участия человека, особенно если учесть, что автомобильная промышленность стоит на первом месте по числу приобретаемых роботов (рис. 17){133}.

Рисунок 17. Число многоцелевых промышленных роботов (всех типов) на 10 тыс. рабочих в автомобильной и всех остальных индустриях, 2014 г.

Источник: Pittman (2016)

Во многих сферах экономики повышение уровня автоматизации может привести к созданию новых типов рабочих мест и исчезновению старых. Например, автоматизация грузоперевозок может привести к сокращению рабочих мест в сфере логистики{134}.

Усиление влияния ИИ и робототехники на рынок труда ожидается как в развитых, так и в развивающихся регионах. В США риску автоматизации подвергается от 10 % до 50 % всех рабочих мест{135}{136}. В Китае компания Foxconn за два года заменила роботами 60 тыс. рабочих на фабриках{137}. Автоматизация может отрицательно сказываться на индустриализации в развивающихся странах, уменьшая преимущества дешевой рабочей силы: если раньше многие производства было выгодно размещать в развивающихся странах, то теперь происходит отказ от этой практики{138}.

Последствия для глобальной экономики обширны и непредсказуемы. Экономисты создают возможные экономические модели, учитывающие автоматизацию труда, тогда как образовательные учреждения пытаются предсказать, какие навыки потребуются завтрашним работникам{139}. Необходимость многостороннего взаимодействия и сотрудничества никогда не была выше, чем сейчас, и, чтобы удовлетворить ее, законодатели, руководители коммерческих и общественных организаций должны искать компромиссы между экономическими и социальными целями. Внимания требуют также вопросы безопасности и уязвимости ИИ. Хотя специализированный искусственный интеллект предлагает обществу огромные возможности, его можно обмануть, взломать или ввести в заблуждение.

Необходимо убедиться, что решения, принимаемые машинами, не подвержены посторонним влияниям и не могут быть изменены посредством кибератак.

В основе этой важнейшей проблемы лежит другая, имеющая еще более широкие последствия: механизмы принятия решений, используемые алгоритмами машинного обучения, часто остаются неясными для людей-разработчиков, что поднимает вопрос о приемлемости делегирования власти этим алгоритмам. В мире людей доверие глубоко связано с обоснованием решений. Например, даже если ИИ будет лучше людей прогнозировать, кто из заключенных снова нарушит закон или кто из заемщиков не выплатит кредит, мы не будем удовлетворены принимаемыми машинами решениями, если они не смогут объяснить их. Это особенно справедливо для алгоритмов, проявляющих предвзятость после обработки наборов данных, отражающих человеческую предвзятость. Они могут выявлять полезные закономерности, но без машинного понимания мы будем считать их решения некорректными. В первую очередь нам необходимо заняться следующими вопросами:

• Этические стандарты. Требуется создать принципы и руководящие положения, формирующие этические стандарты и нормативные ожидания, предъявляемые к автономным процессам и машинам. Различные органы и группы, включая Исследовательский совет по инженерным и физическим наукам Великобритании (EPSRC), предлагают «принципы робототехники», но общего глобального набора стандартов пока не существует{140}.

• Управление искусственным интеллектом и робототехникой. Недостаток общей компетентности в области исследования и применения ИИ затрудняет прогнозирование. Кроме того, сложно определить, какие органы должны принимать решения, определяющие политику относительно ИИ. Признание этих факторов поможет создать пространство для внедрения процедур инновационного управления и откроет возможности для создания новых типов комитетов, агентств и консультативных групп, чья власть еще не укрепилась.

• Разрешение конфликтов. В настоящее время нет установленных рамок или рекомендаций по разрешению конфликтов, связанных с применением систем ИИ.

Разработке этих рамок мешают сложности с распознаванием потенциальных конфликтов. Например, исследования в области ИИ не регулируются, хотя продукты, использующие ИИ, могут регулироваться, в результате чего бремя регулирования возлагается на уровень производства продуктов.

Вопрос о том, насколько глубоко ИИ будет интегрирован в экономику, рынок труда и другие сферы, включая наши тела, только начал широко обсуждаться. Чтобы понять, к каким результатам может привести развитие ИИ и робототехники, необходимо думать о будущем и рассматривать эту проблему с самых разных точек зрения.

Десять фактов о ИИ, которые сегодня должен знать каждый

1. ИИ меняется со временем. Сегодня искусственным интеллектом чаще всего называют машинное обучение – программные подходы, использующие различные алгоритмы и методы, такие как линейная регрессия, деревья решений, Байесовы сети, эволюционные алгоритмы и искусственные нейронные сети. В 1960-х годах крупнейшим достижением ИИ были подвижные роботы, сегодня – победа над мастерами игры го. Наше представление о том, что такое искусственный интеллект, меняется с прохождением каждой важной вехи в этой области.

2. Универсальный искусственный интеллект пока не создан, но мы уже окружены «узкоспециализированным ИИ». Сегодняшние интеллектуальные системы все лучше справляются с выполнением конкретных, четко поставленных задач, но им все еще недостает понимания более широкого контекста и здравого смысла – того, что люди считают само собой разумеющимся. Тем не менее поисковые алгоритмы Google, способность вести диалог, которой обладает программа-помощник Siri, разработанная компанией Apple, и прогнозирование следующего слова, которое вы собираетесь напечатать на смартфоне, – все это примеры узкоспециализированного ИИ. Другие важные, но менее заметные применения ИИ – средства обеспечения кибербезопасности, контекстная реклама в Интернете, системы управления промышленными роботами и автономными автомобилями, методы обобщения текстовой информации и диагностики определенных заболеваний.

3. ИИ, роботы и люди работают лучше, когда делают это вместе. Люди, играющие в шахматы при помощи шахматных программ на основе ИИ, побеждают и других людей, и другие компьютеры, играющие без человеческой поддержки{141}. Интеллектуальные роботы тоже выигрывают от сотрудничества с людьми: Университет Карнеги – Меллона создал коллаборативных роботов CoBot, которые помогают посетителям найти место встречи и выполняют различные задания, например приносят документы. Эти роботы просят у людей помощи, когда им требуется, например, поднять объект, вызвать лифт или найти дорогу домой, если они потерялись.

4. Системам на основе ИИ требуется наша помощь в установке целей. Возможно, мы преувеличиваем угрозу появления в ближайшем будущем «искусственного сверхинтеллекта», но нельзя сомневаться в том, что интеллектуальные системы могут привести к вредным или непредвиденным последствиям, если мы не позаботимся о направлении их к нужным нам целям. Как сказал Стюарт Расселл, ключ к успеху – учить ИИ вести наблюдения за людьми и сопоставлять свои цели с целями и ценностями человека.

5. Многие из сегодняшних интеллектуальных систем работают по принципу «черного ящика». Мы не до конца понимаем, как некоторые из наиболее популярных алгоритмов машинного обучения, например искусственные нейронные сети и методы глубокого обучения, приходят к своим выводам. Разобраться в этих процессах технически возможно, но ИИ может изменить используемый подход во время принятия следующего решения. Это значит, что результаты проверить сложно, и это в некотором смысле ограничивает возможность людей учиться у машин, самостоятельно принимающих решения.

6. Ресурсы, на основе которых создается искусственный интеллект, открыты и общедоступны. Значительная часть инновационной работы в области машинного обучения выполняется исследовательскими отделами университетов и коммерческих организаций по всему миру. Немалая доля полученных знаний публикуется в открытых источниках, и на это есть веские основания: без прозрачности нам будет нелегко изолировать проблемы и вносить важные корректировки. Нужно всего несколько минут, чтобы найти расположенного в облаке интеллектуального «бота», который поможет в обработке естественного языка или распознавании изображений.

7. Для использования ИИ необходимо упорядочить данные. Хотя существуют системы ИИ, помогающие извлекать пользу из данных, полученных из открытых источников, для применения частных данных в машинном обучении необходимо соответствующим образом организовать и защитить их. Управление данными – одна из самых больших сложностей для многих организаций. К счастью, разрабатываются системы ИИ, помогающие искать данные в системах и на серверах компаний и подготавливать их для использования.

8. Даже лучшие интеллектуальные системы подвержены ошибкам и отклонениям. Точность и полезность любого алгоритма зависит как от особенностей самого алгоритма, так и от данных, используемых для обучения. Есть множество примеров того, как мощные алгоритмы давали сбои и приходили к совершенно неверным результатам из-за некорректных спецификаций или выбора неподходящих данных для обучения.

9. ИИ и робототехника не сделают человека ненужным, а изменят его задачи. За очевидными исключениями (такими как водители, доставляющие грузы, и кассиры в супермаркетах), полной автоматизации поддается довольно небольшой процент рабочих мест. Вместо этого, как показали исследования компании AlphaBeta, самым значительным влиянием ИИ и роботов на будущий рынок труда будет автоматизация ряда повторяющихся или технических задач, благодаря чему люди получат больше времени для творческой работы и межличностного взаимодействия.

10. Влияние ИИ и робототехники зависит от того, как мы будем использовать эти технологии. Определяющее значение будут иметь способы их практического применения для решения реальных проблем. Поэтому с расширением возможностей и влияния интеллектуальных систем и роботов будет расти и важность принимаемых директорами и менеджерами решений относительно того, где и когда их использовать.

Пять ключевых идей

1. В последние годы возможности ИИ быстро расширяются благодаря методам машинного обучения, использующим преимущества, предоставляемые постоянно увеличивающимися объемами доступных данных, многочисленными датчиками и растущими вычислительными мощностями. Машинное обучение достигло уровня, на котором стало возможно достаточно близко имитировать человеческие действия (или превосходить их) в определенных рамках, например, в компьютерных играх, обработке запросов потребителей, медицинской диагностике и управлении автономными автомобилями.

2. В последние десять лет потенциал робототехники вырос благодаря использованию ИИ для управления новыми физическими системами. Люди и машины, работая вместе, смогут сократить число задач, для выполнения которых необходимы специально обученные опытные специалисты – врачи, юристы, пилоты, водители грузовиков. Это создает беспокойство относительно того, какой будет роль человеческой компетенции и насколько нужны будут человеческие суждения и интеллект для выполнения многих функций, которые можно делегировать автоматизированным системам.

3. Инновационные компании и предприниматели, использующие искусственный интеллект для анализа больших наборов свободно доступных данных, таких как спутниковые снимки, превращают эти данные в новый источник ценности. Использование ИИ в качестве генератора новых идей на основе свободно доступных данных вносит важный вклад в экономику и науку и может приносить большую пользу для принятия решений в таких областях, как мониторинг и защита окружающей среды.

4. Этические вопросы использования ИИ и робототехники имеют высокий приоритет у многих людей и организаций, поскольку ИИ способен повлиять на все аспекты нашей жизни, от рынка труда до управления автомобилями и принятия решений о выдаче кредитов. Эти этические вопросы часто связаны с вопросами прозрачности, согласия пользователей и предвзятости, заложенной в алгоритмы, на основе которых работает ИИ.

5. В области ИИ и робототехники потребуются коллективные усилия по управлению, поскольку вопросы урегулирования конфликтов, определения этических стандартов, норм использования данных и общей политики приобретают приоритет в глобальном масштабе. Например, роботы под управлением ИИ, такие как смертоносное автономное оружие, вызывают глубокую обеспокоенность международных организаций, понимающих угрозу их использования в глобальных и местных конфликтах.

<< | >>
Источник: Клаус Шваб, Николас Дэвис. Технологии Четвертой промышленной революции. 2018

Еще по теме ИИ скоро будет учиться в процессе работы:

  1. НИКОГДА БОЛЬШЕ Я НЕ СТАНУ ЛЕНИТЬСЯ. Я НЕ СТАНУ ОТТЯГИВАТЬ ВРЕМЯ ДЕЙСТВИЯ, Я БУДУ ВЫПОЛНЯТЬ СВОЮ РАБОТУ КАЧЕСТВЕННО И В СРОК. НИКТО И НИКОГДА НЕ БУДЕТ ДЕЛАТЬ МОЮ РАБОТУ ЗА МЕНЯ. ОТНЫНЕ Я ВСЕ ДЕЛАЮ САМ.6. Воровство
  2. Необходимо понимать значение эффективных методов работы для бизнеса. В противном случае вы будете не­правильно вести дела
  3. Процесс участия туристской фирмы в работе выставки
  4. Использование процесса памяти в работе СМК
  5. Этап интеграции. Интеграция производственных, складских и транспортных процессов, включающих работу с сырьем и готовой продукцией
  6. Что Вы Будете учить
  7. Психические процессы в аудитории СМК. Процессы восприятия и внимания в СМК процесс внимания и его свойства
  8. Насильно рынок мил не будет
  9. «Зарницы не будет!»
  10. Отсрочек не будет
  11. Что за это будет
  12. Китай и США — дружбы не будет
  13. А что же будет с идеей участия работников в принятии решений?
  14. 48. У вас на любой проект не будет времени
  15. Чего не будет в этой книге
  16. Пусть это будет просто
  17. Сосредоточьтесь на том, что не будет меняться
  18. Наемное мошенничество. Что будет дальше?
  19. Кто будет лучшим маркетером – парень или девушка?