Stanford University har offentliggjort en rapport med forudsigelser om fremtidens fremtid indtil 2030. Alexander Krainov, leder af computervisions- og maskineudviklingsteknologitjenesten i Yandex, udpegede de vigtigste ting fra ham, især for Afisha Daily.
I 2014 lancerede Stanford University en 100-årig undersøgelse af kunstig intelligens, hvor forskere vil evaluere, hvordan introduktionen af nye teknologier i AI og maskinlæring påvirker samfundet. Det er planlagt at frigive rapporter om AI-relaterede emner i hele projektet. Den første rapport i denne serie blev for nylig offentliggjort, som forudsiger, hvad fremtiden har for os helt frem til 2030. Det er klart, fremtiden vil ikke være den samme for mennesker i forskellige lande, og forskerne ser på en abstrakt nordamerikansk by. Rusland har sine egne detaljer og dermed sine egne nuancer for udviklingen af den teknologiske fremtid. Lad os prøve at finde ud af, hvad rapporten fortæller os, og hvor relevant den er for os.
Transportere
Stanford-forskere mener, at det er inden for transport, at de mest bemærkelsesværdige ændringer forbundet med kunstig intelligens vil finde sted i den nærmeste fremtid. Vi taler om både indbyggede chaufførassistenter (alle slags sensorer, der analyserer bilens tilstand og situationen på vejene) og selvkørende biler, og trafikstyringssystemer, forbedret ved big data-analyse og maskinlæring, vil redde byer fra trafikpropper. I Holland, for eksempel, tænkte de endda på "smarte veje", som ville være fyldt med alle slags sensorer og hjælpe chauffører med at vurdere vejens tilstand "på farten."
Hos dem er alt heller ikke så gennemsigtigt: Problemet her er ikke kun sikkerheden ved kørsel, som vil sikre autopiloten, men også i juridiske spørgsmål. Hvem har skylden, hvis en bil uden pilot rammer en person eller går ned i en anden bil? Føreren kan altid bødes eller tilbagekaldes, men hvordan kan du bøde bilen? Et andet aspekt er holdningen til selvkørende biler i samfundet. Enhver hændelse, der involverer autopiloten, udløser en bølge af diskussioner og giver argumenter til modstandere af innovationer. De glade ejere af højteknologiske biler som Tesla selv hjælper ikke situationen - de sover med autopiloten tændt og ignorerer bilens anbefalinger om at tage kontrol.
Salgsfremmende video:
Ud over vanskeligheder med lovgivningen kan brugen af sådanne teknologier i Rusland kompliceres af det faktum, at vores generelle vejsituation er mere kompliceret. Dette gælder også kvaliteten af vejbelægningen, vejret og kørselsvanerne. Alt dette vil kræve et højere udviklingsniveau i indstillingsalgoritmer. Og vores trafiklovgivning er mere konservativ end staterne eller i Europa og kan tage længere tid at ændre sig.
Sundhedspleje
Sundhedsvæsen er et af de mest lovende områder inden for AI-adoption. Forfatterne af rapporten er enige i dette, men bemærker, at det også er en af de vanskeligste brancher. Prisen på fejl her er patientens liv, og eventuelle sundhedsdata er meget følsomme. Derfor er etiske spørgsmål inden for sundhedsvæsenet specielt akutte. Både bureaukrati og de forældede mekanismer i medicinske institutioners arbejde hindrer - det vil tage meget lang tid at overvinde disse hindringer. Men alt dette forhindrer ikke teknologier i at udvikle sig aktivt, og nye teknologiselskaber træder ind i branchen, inklusive i Rusland.
Masseindsamling af medicinske data (et nødvendigt fundament for AI-træning) blev muligt for et stykke tid siden under boomet i sportsapps og aktivitetssporere, men store analyser har stadig ikke nået det af en række grunde, herunder juridiske begrænsninger og privatlivsproblemer. Det samme gælder for billedgenkendelse - for eksempel røntgenbilleder, der allerede er taget og gemt digitalt. Med telemedicin er tingene bedre - projekter lanceres, inklusive regeringsprojekter, til at introducere højteknologiske værktøjer til læger, såsom fjerndeltagelse af en kirurg i en operation, der bruger HD-transmission. I den nærmeste fremtid kan det forventes, at maskinens intelligens vil være i stand til at analysere en masse data om forskellige patienter og deres behandlingshistorik for at fremhæve lignende tilfælde.give anbefalinger og dermed spare terapeutens tid. Tendensen her er ikke meget forskellig fra andre brancher - alt automatiseret arbejde, der er afhængig af videnbasen i det menneskelige hoved og på sammenligning af data, vil i fremtiden blive erstattet af AI. Det er sandt, at den endelige beslutning i lang tid stadig vil være for personen.
I Rusland er der blevet set lang tid på telemedicinsektoren og intensivt er der et statligt program til gennemførelse heraf, hvor den første fase begynder i 2017. Selvom dette program ikke har noget at gøre med AI, men det kan indirekte bidrage til begyndelsen af introduktionen af AI i telemedicin - fra automatisk behandling af tekstoplysninger såsom recept til medicin til analyse af billeder fra patientjournaler. Derudover arbejder vi allerede med at anerkende patologier i billeder ved hjælp af neurale netværk, og der er en åbenlys efterspørgsel efter adgang til højtkvalificerede medicinske tjenester i fjerntliggende bygder.
Uddannelse
I en overskuelig fremtid vil robotter ikke erstatte lærere - dette gælder både USA og endnu mere Rusland, hvor læreren også altid har været opfattet som en underviser. Forskere i Stanford-rapporten er ikke så meget opmærksomme på, hvordan kunstig intelligens vil blive implementeret i uddannelsen, men på spørgsmål om nye teknologier, der hjælper lærere og på et eller andet niveau erstatte dem, for eksempel når de videregiver uddannelsesmæssige online-programmer. Forskerne nævner eksemplet med Carnegie Cognitive Tutor, der hjælper skolebørn med at lære matematik: systemet kan tilpasse sig hver elevs behov - og afhængigt af dem ændrer tip og feedback om lektionen.
Der udvikles også intelligente træningssystemer, der er vidt brugt i USA til at uddanne forskellige specialister - fra programmerere til ingeniører. Når der dannes et virtuelt adaptivt miljø til at løse specifikke problemer i det virkelige liv, hjælper AI det med at tilpasse processen til den studerendes handlinger. Dette er for eksempel Sherlock-systemet, der blev opfundet tilbage i 1989 og bruges til at uddanne teknikere i det amerikanske luftvåben. Du kan også bemærke de betydelige fremskridt for online oversættere, der sker takket være brugen af maskininformation. Dette gør uddannelseslitteratur på andre sprog mere tilgængelig.
Sikkerhed
Maskinens intelligens, der allerede er aktivt anvendt inden for sikkerhedsområdet, vil blive brugt mere aktivt i fremtiden. Forskere spekulerer i, at kunstig intelligens vil være i stand til at hjælpe med at identificere løgne under forhør. Og at analysere store datasæt om forbrydelser, herunder forbrydelsens historie i et specifikt område, videooptagelser og bevægelser af mistænkte, kan hjælpe med at forudsige, hvor den næste forbrydelse kan forekomme - meget som i tv-serien Mistænkt. Glem heller ikke cybersikkerhed. Maskinens efterretningssystemer hjælper allerede med at opdage økonomisk kriminalitet baseret på mistænksom aktivitet på nogens kreditkort - sådanne systemer bliver endnu mere effektive i fremtiden.
Naturligvis er brugen af AI til sporingssystemer bekymrende for mennesker. Men du kan se på det anderledes og stille dette spørgsmål: hvad er bedre - hvis du bliver overvåget gennem kameraet af en "sjælfri algoritme" eller en meget specifik person? Måske i det første tilfælde krænkes privatlivets fred meget mindre. AI sigter mod at holde styr på kun farlige mønstre, og det udelukker bare konstant menneskelig overvågning. Forestil dig et olierør, der konstant skal overvåges, så indtrængende ikke kommer ulovligt sammen. Du kan indstille kameraer og lejlighedsvis starte patruljer langs røret, eller du kan starte en drone og bruge et trænet system til at analysere området for udseendet af fremmede objekter i nærheden, for eksempel biler eller grupper af mennesker. Yandex Data Factory og Accenture har et lignende projekt - systemet overvåger objekter i lang afstand, såsom kraftledninger, olierørledninger og gasledninger, hvilket ville være for dyrt for folk at patruljere og er i stand til at opdage mistænkelig aktivitet - for eksempel uautoriserede biler, grupper af mennesker osv. …
Underholdning
Kunstig intelligens er blevet brugt i underholdning i lang tid - for eksempel i spil bygger computerfiender deres opførsel baseret på spillerens handlinger, hvilket er et glimrende eksempel på kunstig intelligens. På sociale medier bruger anbefalingsalgoritmer også AI, og Facebook-nyhedsfeeden er et klassisk eksempel. De taler om brugen af maskinteknologiteknologier i deres blog: dette inkluderer oversættelse af indlæg og smart søgning og tilpasning af feedet til interesserne for en bestemt bruger på farten (afhængig af f.eks. Hvad han kan lide og hvilke links han åbner). Alt dette er imidlertid et relativt simpelt niveau ved anvendelse af kompleks teknologi, og i fremtiden vil graden af personalisering af indhold ifølge fremtiden være meget højere end i dag.
AI går også ind på kunstområdet - mere og mere er der ret vellykkede eksempler på at komponere tekster og melodier efter programmer. For eksempel lavede Yandex-entusiaster i år Neural Defense-projektet, hvor det neurale netværk skrev tekster i stil med Yegor Letov. Nu er dette intet andet end underholdende eksperimenter, men i fremtiden er det let at forestille sig, hvordan neurale netværk maler billeder eller skaber nye stykker musik, og dem, der næsten garanteres at blive hits: når alt kommer til alt er et neuralt netværk i stand til at identificere de nødvendige betingelser for, at en komposition kan blive et hit.
Der er ingen forskelle mellem udviklingen af underholdningsteknologier i USA og Rusland. Her hænger vi ikke bag Vesten, og i det store og hele er vi i omkring de samme udsigter og problemer. Men det er lettere at lave et anbefalingssystem eller en underholdningsbot baseret på engelsk - flere data, og selve sproget er mere formaliseret. Det russiske sprog er meget vanskeligt, hvilket bremser processen noget.
Bør du være bange for arbejdsløshed?
En af de største frygt for kunstig intelligens er, at det vil tage job væk fra mennesker. Det betyder ikke, at denne frygt er fuldstændig ubegrundet. Forskere ved Stanford mener, at selvom maskininformationen faktisk vil erstatte mange mennesker i en lang række industrier, vil den samtidig skabe mange nye job, men det er vanskeligt at sige, hvilke der er. Derudover vil AI ikke erstatte millioner af menneskers arbejde på én gang - denne proces vil blive forlænget i tide og vil blive gradvis i den forstand, at AI først kommer til hjælp for en menneskelig medarbejder, og først derefter kan den erstatte ham. Dette vil gøre processen med at reducere ansættelsen af mennesker i nogle erhverv glat og smertefri.