Определения, структура и развитие систем ИИ

В левом верхнем углу отмечена область, где машины оказываются эффективнее человека. Здесь человек лишь незначительно дополняет и корректирует машину. Например, в фильтрации спама или подборе ключевых слов. Это области, где машина эффективна, а возможная ошибка по уровню негативных последствий невелика. Напротив, в правом нижнем углу представлена область, где принятие решения без человека невозможно. Здесь человек лишь получает подсказку ИИ, а решение принимает сам. Как, например, при постановке медицинских диагнозов.

Говоря о развитии систем ИИ и пользуясь обозначениями рис. 1.7, можно сказать, что зона, где "человек дополняет машину", продолжит расти, а зона, где "машина дополняет человека", продолжит сокращение, что в известной мере можно назвать процессом постепенного вытеснения человека из области систем решения интеллектуальных задач и принятия решений.

Системы ИИ могут быть реализованы в виде сложных человекообразных роботов, таких как, например, в проекте ATLAS компании Boston Dynamics, однако это весьма узкое направление. Существует огромное количество ИИ-решений для реализации практических задач (увеличения производительности труда, повышения качества и степени кастомизации разного рода продуктов и услуг и т. п.). Поэтому внедрение ИИ выступает скорее в виде многогранного процесса интеллектуализации искусственной среды, окружающей человека, которая становится все более связанной, более интеллектуальной, более удобной для человека с точки зрения концепции "удобства функционирования человека" в том или ином обществе на определенный момент его развития.

В некотором смысле внедрение ИИ на предприятии может рассматриваться как один из элементов цифровизации, в котором в ведение компьютера передаются все более и более сложные задачи - например, распознавание товаров на полках или анализ входящих писем службы поддержки.

Существующие на сегодняшний день решения на базе ИИ неспособны делать многие вещи, которые кажутся простыми четырехлетним детям, но могут конкурировать с лучшими специалистами по узким задачам. Тот факт, что по многим параметрам, в том числе по параметру универсальности ИИ сильно отстает от возможностей человека, не умаляет важности успехов, достигнутых на базе ИИ. Несмотря на то, что мы оперируем понятием узкий интеллект, этот "узкий интеллект", проникая в многочисленные приложения, становится широким явлением и многими аналитиками уже сегодня трактуется как ступень эволюции процессов обработки данных, при котором минимизируется^{17Участие человека переносится на задачи, не освоенные средствами ИИ} участие человека (рис. 1.8).

Рис. 1.8. Эволюция процесса работы с данными. Источник: Deloitte Research

Очевидно, что финальная часть схемы рис. 1.8 - это картина будущего, которая осуществима лишь при приближении к концепции сильного ИИ. Здесь кроется еще одно противоречие во взглядах на цели и перспективы развития ИИ. Ученые, которые нацелены на построение сильного ИИ, говорят о необходимости поиска новых подходов в построении ИИ, отмечая, что экстенсивный путь развития слабого (узкого) ИИ является боковым, если не тупиковым путем развития направления. При этом процент ученых, занятых в проектах построения сильного ИИ, существенно уступает по численности группам разработчиков, занятых масштабированием и внедрением существующих ИИ-технологий во все новые решения в самых разных отраслях экономики. Поэтому можно сказать, что цель построения сильного интеллекта, как явления, оправдывающего изначальное понятие термина ИИ, в большинстве проектов заменяется более очевидной целью - максимальной коммерциализации узкого ИИ.

Очевидно, что большинство инвестиций сегодня связаны с проектами, которые окупаются в обозримой перспективе (рис. 1.9) и направлены преимущественно на расширение числа разработок в области узкого (слабого ИИ). При этом также очевидно, что проекты по созданию общего (сильного) интеллекта требуют куда больших инвестиций на разработку и предполагают появление продуктов в существенно более далекой перспективе (при отсутствии консенсуса по перспективности и достижимости приложений уровня сильного ИИ).

Рис. 1.9. Оценка динамики затрат и доходов в проектах на базе слабого и сильного ИИ. Источник: Авторы

Развитие решений на базе узкого ИИ, хоть и является менее амбициозной задачей, но требует тем не менее огромных ресурсов. Поэтому вне зависимости от того, насколько близко существующие ИИ-решения подошли к понятию сильный ИИ они олицетворяют самый передовой край инженерной мысли. Современная технология ИИ, требующая высокопроизводительных вычислений, мощной ИТ-инфраструктуры, передовых научных разработок и соответствующих кадров, дефакто стала выступать как некоторая мера технологической зрелости компаний, отраслей и целых государств.

Многие специалисты сходятся во мнении, что ИИ - это локомотив последней волны конвергенции наиболее сложных взаимодополняющих технологий DARQ^{18DARQ - это аббревиатура, обозначающая четыре технологии: Distributed ledger technology (технологии распределенного реестра), Artificial intelligence (искусственного интеллекта), Extended reality (расширенной реальности) и Quantum computing (квантовых вычислений)} (рис. 1.10), которые ведут человечество в цифровой мир [25].

Рис. 1.10. Этапы конвергенции инфокоммуникационных технологий. Источник: [26]

Китайские специалисты придают роли ИИ еще большее значение и в одном из исследований ( рис. 1.11) представляют ИИ как вершину эволюции не только инфокоммуникационного, но и технологического прогресса, подразумевая, что ИИ как технология вбирает в себя и базируется на всей совокупности технико-технологического опыта человечества.

Рис. 1.11. ИИ как вершина технико-технологического опыта человечества. Источник: CAICT

Мы отразили разные акценты и разные подходы в трактовке термина ИИ.

Сложность однозначного определения понятия ИИ и путей его развития порождает проблемы в определении производных терминов, таких как "ИИ-решение", "ИИ-проект", "ИИ-компания", "ИИ-рынок". Что в свою очередь приводит к трудностям при попытках рейтингования ИИ-проектов, ИИ-компаний и, что особенно важно, при количественной оценке рынка искусственного интеллекта в силу того, что разные авторы включают в ИИ-проект разный набор технологий и сервисов.

Комментируя вопрос, почему нет общепринятой трактовки границ ИИ-проекта, приведем аналогию - попытаемся ответить на вопрос, где локализован интеллект человека и как выделить систему его формирующую. Наиболее частый ответ - это область неокортекса ^{19Новая кора - новые области коры головного мозга, которые у низших млекопитающих только намечены, а у человека составляют основную часть коры} , которая ответственна за интеллектуальную деятельность человека, более широкий взгляд на проблему приводит к мысли, что другие, более древние части мозга нельзя отбросить, говоря о работе интеллекта. Далее становится очевидно, что в рассматриваемую систему необходимо включить зрение как "часть мозга, вынесенную на периферию", вслед приходится вспомнить про органы слуха, рецепторы вкуса, которые доносят информацию в мозг, без которой невозможно формирование представлений о внешнем мире - основы интеллекта. Добавив к сенсорам тактильные ощущения, приходим к выводу, что рассмотрение интеллекта невозможно в отрыве от тела человека. А признав, что интеллект - это продукт общения человека в социуме, приходится еще больше расширить область его формирования. В случае с искусственным интеллектом границы явления еще более размыты. Какая часть интеллектуальной машины является искусственным интеллектом? Является ли процессор, который участвует в процессе вычислений, частью ИИ? А сервер? А если речь идет об облаке, в котором производятся вычисления? Эти вопросы, которые на первый взгляд кажутся второстепенными, становятся весьма актуальными, когда мы пытаемся определить, а потом оценить количественно такие понятия как рынок ИИ. К рассмотрению этих вопросов мы вернемся в лекции 2.