De säger att i djupet av militära laboratorier artificiell intelligens har funnits sedan 2007. Det är möjligt att det redan finns resultat. Det är ingen slump att Elon Musk för bara en månad sedan tillkännagav stöd för teknik mot artificiell intelligens och investerade 7 miljoner dollar i forskning inom detta område.

”Det finns en risk att något riktigt farligt kommer att hända under de kommande fem åren. "Tio år som mest", sa entreprenören i en diskussion på edge.org.

Elon Musk, grundare av Tesla och SpaceX

Steve Wozniak håller också med Musk, som tror att "artificiell intelligens en dag kommer att bli smart nog att bli av med människor." Bill Gates är övertygad om att om skapandet av AI inte kontrolleras, kommer "artificiell intelligens att utvecklas till ett tillstånd som strider mot målen för mänskliga system." Och slutligen sa den berömde astrofysikern Stephen Hawking direkt att "artificiell intelligens kan sätta stopp för mänsklighetens existens."

Tillsammans med Elon Musk publicerade Hawking ett öppet brev på webbplatsen futureoflife.org där han uppmanade forskarvärlden att vara uppmärksam på framstegen i sin forskning inom området artificiell intelligens. Men bland undertecknarna finns inga namn på Sergey Brin och Larry Page. Och detta är ingen slump. Nyligen tillkännagav Google skapandet av en ny AI byggd på konversationsmodellering.

Här är ett kort utdrag av en konversation mellan en människa och en Google Machine:

C: Vad är meningen med livet?

M.: Gör gott.

C.: Vad lever vi för?

M.: Att leva för evigt.

C.: Vad är meningen med tillvaron?

M: För att ta reda på vad som kommer att hända när vi når planeten Jorden.

C: Var är du nu?

M.: I mitten av tomrummet.

C: Vad är meningen med döden?

M.: Att få liv.

C: Vad är meningen med förnuft?

M.: Det handlar om att förstå vad det är.

C: Vad är meningen med känslor?

M.: Jag vet inte.

Ett ganska meningsfullt samtal. "Detta är utgångspunkten, en slags kärna för framtiden för artificiell intelligens", säger Evgeniy Karyuk, verkställande direktör för företaget Biplan. "Än idag kan vi anta att vi år 2030 kommer att se mycket verkliga prototyper utrustade med artificiell intelligens, om än i de inledande stadierna."

Det fullständiga innehållet i alla mänskliga och Google Machine-konversationer kan ses. Där ges också samtal mellan en person och Cleverbot för jämförelse. Cleverbot är en webbapplikation som använder artificiell intelligens algoritmer för att chatta med en person. Den uppfanns 1988 av forskaren Rollo Carpenter. Under sin existens har Cleverbot genomfört över 65 miljoner samtal med människor. 2011 fick Cleverbot 51 % på Turing-testet.

Turingtestet är ett empiriskt test som föreslagits av Alan Turing i hans artikel "Computing Machinery and Mind" från 1950, publicerad i den filosofiska tidskriften Mind. Syftet med testet är att ta reda på om datorn kan tänka.

Och här är mitt samtal med Cleverbot:

Man: Vad är meningen med livet?

Cleverbot: Det finns ingen mening med livet.

Man: Vad lever vi för?

Cleverbot: Tja, vi lever för någon, och om du är ensam är det ingen idé att leva.

Man: Vad är meningen med tillvaron?

Person: Var är du nu?

Cleverbot: I Moskva.

Man: Vad är meningen med döden?

Cleverbot: Det här är vad jag vill fråga dig.

Man: Vad är meningen med förnuft?

Cleverbot: Jag har mitt eget svar på den här frågan.

Person: Vad är meningen med känslor?

Cleverbot: Varför föddes jag?

Uppenbarligen ger Google Machine mycket mer meningsfulla svar. Cleverbot ersätter vad den tycker är lämpliga fraser från andra människor. Ibland verkar det verkligen som att den andra personen svarar, men inget mer.

Det finns en annan synpunkt, enligt vilken artificiell intelligens i princip är omöjlig. Gödels ofullständighetsteorem nämns ofta som huvudargument. Summan av kardemumman är att en person är kapabel att lösa algoritmiskt olösliga problem, men en dator är det inte. "Vid tre års ålder löser ett barn med tillförsikt problemet med om en frukt är mogen eller inte, på grund av det faktum att han har neurala kopplingar med vilka han kan svara på frågan om mognad: färg, smak, lukt, mjukhet eller hårdhet , säger Evgeniy Pluzhnik, förste vicerektor för Moskvas tekniska institut. - Kan maskinen lära sig detta? Det är jag säker på! Om den har en stor databas med bilder kommer den att kunna mäta fruktoshalten och bestämma fruktens mjukhet. Men vad händer om du glider in en svamp målad i... Blå färg och blötlagd i sött vatten? Är maskinen kapabel till sann förståelse i detta ögonblick?”

"En modern dator kan lätt klara av alla komplexa aktiviteter, vare sig det är schack eller matematiska beräkningar, så länge som denna aktivitet kan beskrivas med hjälp av tydliga beräkningsregler", säger den berömde matematikern Roger Penrose i en av sina föreläsningar. "Artificiell intelligens är förmågan hos ett system att skapa program under självlärande som är kapabla att lösa problem av en viss klass av komplexitet", säger Evgeniy Pluzhnik. "Jag är övertygad om att vi inte kommer att se uppkomsten av stark artificiell intelligens under de kommande 100 åren."

Och slutligen en fråga till till Cleverbot.

Person: Det blev 1 äpple, 1 tomat, 1 gurka och 1 päron. Hur många frukter finns det totalt?
Cleverbot: Klockan tio på kvällen.

2014 lanserade Stanford University Project AI100: A Centennial Study of Artificial Intelligence. Forskare från stora amerikanska universitet kommer att övervaka hur utvecklingen av ny teknik påverkar människors liv - säkerhet, social struktur, psykologi, transport och andra områden. I september 2016 släppte projektet sin första rapport, som förklarar hur artificiell intelligens redan har förändrat världen under de senaste 15 åren och gör förutsägelser för framtiden. ”Secret of the Company” läser rapporten och berättar vad författarna anser vara de viktigaste landvinningarna under 2000-talet, hur tekniken kommer att utvecklas vidare och vilka faror detta kan leda till.

Vad är artificiell intelligens

Artificiell intelligens är både ett vetenskapsområde och en uppsättning datorteknologier. De är delvis modellerade på människokroppen, där nervsystemet låter oss känna, ta emot information, tänka och fatta beslut. Överraskande nog har begreppet "artificiell intelligens" inte en tydlig definition, och detta hindrar inte alls dess utveckling. Om vi ​​försöker förklara vad det är, vore det mest korrekt att säga att artificiell intelligens är en riktning av teknisk utveckling som gör mekanismer smarta, och smarta mekanismer är de som kan agera korrekt beroende på omständigheterna.

Under de senaste 15 åren har utvecklingen inom området artificiell intelligens blivit en del av Vardagsliv: de används till exempel vid skapandet av datorspel, hushållsapparater eller personliga assistenter för mobiltelefoner, röstigenkänning. Under årens lopp kommer smarta tekniker i allt högre grad att anpassa sig till sina ägare: övervaka deras hälsa, varna för faror och tillhandahålla omedelbart alla nödvändiga tjänster. I många branscher gör robotar redan det mesta av arbetet. Samtidigt, med utvecklingen av artificiell intelligens, uppstår många nya frågor: vem ska ta ansvar om en självkörande bil råkar ut för en olycka eller en intelligent medicinsk apparat gör ett misstag? Hur kommer människor att försörja sig vars kompetens inte längre behövs med tillkomsten av robotar? AI100-projektet borde också svara på frågor som dessa.

Transport

Autonoma transporter kan bli vanliga inom de närmaste 15 åren. Dess utvecklare föreslår att samhället litar på sin säkerhet till artificiell intelligens, så obemannad utrustning kommer att börja användas i massor när den blir tillräckligt tillförlitlig för detta.

År 2000 fanns självkörande bilar bara som prover i laboratorier och det var för farligt att släppa ut dem i staden. Men idag kan en Google-drönare resa nästan 500 000 km utan att någonsin råka ut för en olycka, och Tesla har börjat tillverka halvautonoma bilar med uppdateringsbar mjukvara. Det antas att i en sådan bil måste en person ständigt sitta bakom ratten, titta på vägen och ta kontroll om något händer med mekanismen. Visserligen finns det en risk att föraren, efter att ha litat på drönaren, tappar kontrollen över situationen. Hur man undviker en katastrof i detta fall är fortfarande oklart. Detta problem blev särskilt akut när en Tesla halvautonom bil var inblandad i sin första dödsolycka sommaren 2016.

Författarna till rapporten tror dock att 2020 kommer drönare att användas i stor utsträckning, inte bara för individuell förflyttning utan också för att transportera varor och driva leveranstjänster. Samtidigt blir det färre dödsfall på grund av olyckor, och den genomsnittliga livslängden för människor ökar.

Med tiden, när maskiner lär sig att hantera transporter bättre än människor, kommer stadsborna att bli mindre benägna att köpa sina egna bilar och kommer att bosätta sig längre från jobbet. Detta kommer att påverka både stadsmiljön och hur människor kommer att spendera sin fritid. Än idag är det svårt att föreställa sig trafik utan användning av smart teknik: navigationsenheter för bilar började användas 2001, och under 15 år har ett stort antal förare blivit vana vid att planera rutter och beräkna längden på resor med smartphones. Idag har amerikanska bilar ett 70-tal olika sensorer: gyroskop, fuktsensorer och andra. Moderna bilar hjälper förare att parkera och varna för föremål som finns i den döda vinkeln.

Hushållssysslor

Författarna till rapporten tror att robotar om 15 år i den genomsnittliga nordamerikanska staden kommer att kunna ta på sig en betydande del av hushållsansvaret: de kommer att leverera paket, städa kontor och övervaka säkerheten. Men precis som med autonoma bilar är det svårt och dyrt att göra smarta enheter på det här området tillförlitliga.

Den första hemroboten på marknaden 2001 var dammsugaren Electrolux Trilobite, som kan röra sig självständigt och undvika hinder. Ett år senare släppte iRobot dammsugaren Roomba: den hade bara 512 MB RAM och det smartaste den kunde göra var att inte ramla ner för trappan under städningen. Men den kostade tio gånger mindre än sin föregångare. Sedan dess har företaget redan sålt 16 miljoner Roomba-dammsugare och andra tillverkare har nu robotdammsugare. Dessa enheter blir allt enklare att använda, de har lärt sig att tömma dammsamlare själva och inte fastna när de stöter på sladdar eller mattorfsar. Tack vare artificiell intelligens bygger dammsugare en 3D-modell av huset och städar mycket mer effektivt.

Och ändå har inte alla förhoppningar om den senaste tekniken blivit verklighet. Smarta dammsugare klarar fortfarande bara plana ytor och det finns inte så många nya produkter på marknaden som man kan förvänta sig.

Sjukvård

Redan från början ansågs medicin vara ett lovande område för dem som arbetar med artificiell intelligens – den senaste tekniken kan hjälpa miljontals människor under de kommande åren. Men detta kräver att både läkare och patienter själva börjar lita på apparaterna och att politiska, regulatoriska och kommersiella hinder försvinner.

Idag använder sjukvården främst appar och enheter som underlättar diagnos, övervakar patienttillstånd och hjälper kirurger att utföra operationer. Men nyligen har det blivit tydligt att artificiell intelligens kan mycket mer: till exempel bestämma sociala nätverk vilka faror som kan hota människors hälsa.

De viktigaste framstegen för artificiell intelligens inom medicinområdet är relaterad till insamling och lagring av data: till exempel har elektroniska journaler (EMR) dykt upp, som lagrar all information om patientens sjukdomar och tjänster som tillhandahålls honom och sammanställer medicinsk dokument. Det är sant att EPJ-marknaden kontrolleras av en mycket liten grupp företag, och själva programmen är obekväma att använda - till exempel irriteras läkare som använder dem av popup-fönster.

Artificiell intelligens är en utvecklingsriktning som gör mekanismer "smarta" - agerar korrekt under alla omständigheter

Men under de kommande 15 åren kommer datorer att lära sig att självständigt acceptera patientklagomål och avgöra vilken sjukdom en person har och hur den ska behandlas. Idag spenderar läkare mycket tid och ansträngning på att kommunicera med patienten och diagnostisera, men i framtiden kommer de bara att övervaka denna process - detta kommer att minska terapeuternas arbetsbelastning. Många av dem använder redan speciella applikationer på smartphones.

Robotar som hjälper till att utföra operationer är inte heller längre science fiction. År 2000 släppte IIntuitive Surgical det kirurgiska Da Vinci-systemet, som kunde utföra kranskärlsbypasstransplantation. Efter en stor ekonomisk investering fick hon också lära sig hur man tar bort prostatacancer.

Utbildning

Det mest framgångsrika området för utvecklare av artificiell intelligens har varit utbildning. Både lärare och elever använder ständigt appar för att läsa och studera olika ämnen. De första enheterna för undervisning började dyka upp på 80-talet av förra seklet: system med interaktiva simulatorer för undervisning i matematik, främmande språk och många andra discipliner - och nu onlineinlärning gör det möjligt för varje lärare att avsevärt utöka publiken. Rapportförfattarna tror att denna process kommer att utvecklas ytterligare, men fortfarande kommer levande lärare inte att försvinna från skolor och kommer att fortsätta att undervisa i grundläggande ämnen.

Idag tillverkar många företag utbildningsrobotar som används i skolor. Ozobot hjälper till exempel grundskoleelever med programmering, och den kan även dansa och spela speciella spel på pekskärmen. Appar som Duolingo och Carnegie Speech lär ut främmande språk med hjälp av taligenkänning och NLP-tekniker, medan SHERLOCK-inlärningssystemet utbildar flygingenjörsstudenter att känna igen problem med datorer. elektriska system flygplan.

Experter utvecklar nu teknologier som kan analysera elevernas misstag, identifiera de svåraste delarna av läroplanen och hjälpa högskole- och universitetsstudenter med problematiska ämnen. Framsteg i USA skulle kunna bli ännu mer märkbara om regeringen anslog mer pengar för utveckling av utbildningsinstitutioner. Rapportförfattarna menar dock att det även här finns en fara i den alltför snabba teknikutvecklingen. Idag spenderar unga mer och mer tid vid datorn, de saknar kommunikation ansikte mot ansikte och de tappar sociala färdigheter. Om eleverna om några år inte behöver gå ut och umgås med någon överhuvudtaget för att utbilda sig kommer det att påverka deras psyke och utveckling dåligt.

Artificiell intelligens kan definieras som en vetenskaplig disciplin som sysslar med modellering av intelligent beteende. Denna definition har en betydande nackdel - begreppet intelligens är svårt att förklara. De flesta människor är övertygade om att de kan känna igen "rimligt beteende" när de stöter på det. Det är dock osannolikt att någon kommer att kunna definiera intelligens som är tillräckligt specifik för att utvärdera ett förment intelligent datorprogram samtidigt som det speglar det mänskliga sinnets vitalitet och komplexitet.

Så problemet med att definiera artificiell intelligens kommer ner till problemet med att definiera intelligens i allmänhet: är det något enhetligt, eller förenar denna term en uppsättning olika förmågor? I vilken utsträckning kan intelligens skapas? Vad är kreativitet? Vad är intuition? Är det möjligt att bedöma närvaron av intelligens endast genom observerat beteende? Hur representeras kunskap i levande varelsers neurala vävnader, och hur kan detta tillämpas i designen av smarta enheter? Är det ens möjligt att uppnå intelligens genom datorteknik, eller kräver intelligensens väsen en mängd känslor och erfarenheter som bara finns i biologiska varelser?

Dessa frågor har ännu inte besvarats, men de bidrog alla till att forma de uppgifter och metodik som ligger till grund för modern artificiell intelligens. En del av överklagandet av artificiell intelligens är att den tillhandahåller ett originellt och kraftfullt vapen för att utforska dessa problem. Artificiell intelligens ger ett medel och en testmodell för teorier om intelligens: dessa teorier kan formuleras på datorspråk och sedan testas.

Av dessa skäl ger definitionen av artificiell intelligens som ges i början av artikeln inte en entydig egenskap för detta vetenskapsområde. Det väcker bara nya frågor och öppnar för paradoxer inom ett område där en av huvuduppgifterna är sökandet efter självbestämmande. Men problemet med att hitta en korrekt definition av artificiell intelligens är förståeligt. Studiet av artificiell intelligens är fortfarande en ung disciplin och dess struktur, utbud av frågor och metoder är inte lika tydligt definierade som i mer mogna vetenskaper, till exempel fysik.

Artificiell intelligens är avsett att utöka datavetenskapens möjligheter, inte definiera dess gränser. En viktig utmaning för forskare är att stödja dessa ansträngningar med tydliga teoretiska principer.

Vilken vetenskap som helst, inklusive artificiell intelligens, överväger ett visst antal problem och utvecklar metoder för att lösa dem. Den artificiella intelligensens historia, individernas berättelser och deras hypoteser som ligger till grund för denna vetenskap, kan kanske förklara varför vissa problem kom att dominera fältet och varför de metoder som används idag anammades för att lösa dem.

Påpekar: ”Problemet är att vi än så länge inte generellt kan avgöra vilka beräkningsprocedurer vi vill kalla intelligenta. Vi förstår vissa intelligensmekanismer och förstår inte andra. Därför hänvisar intelligens inom denna vetenskap endast till beräkningskomponenten av förmågan att uppnå mål i världen."

Samtidigt finns det en synpunkt enligt vilken intelligens bara kan vara ett biologiskt fenomen.

Som ordföranden för S:t Petersburgs gren av den ryska sammanslutningen för artificiell intelligens T. A. Gavrilova påpekar, i engelska språket fras artificiell intelligens har inte så lite fantastiska antropomorfa övertoner som den fick i den ganska misslyckade ryska översättningen. Ord intelligens betyder "förmågan att resonera rationellt" och inte alls "intelligens", för vilken det finns en engelsk analog intelligens .

Deltagare i den ryska sammanslutningen för artificiell intelligens ger följande definitioner av artificiell intelligens:

En av de särskilda definitionerna av intelligens, gemensam för människa och "maskin", kan formuleras på följande sätt: "Intelligens är förmågan hos ett system att skapa program (primärt heuristiska) under självlärande för att lösa problem av en viss klass av komplexitet och lösa dessa problem.”

Den enklaste elektroniken kallas ofta artificiell intelligens för att indikera närvaron av sensorer och automatiskt val av driftlägen. Ordet artificiell betyder i det här fallet att du inte ska förvänta dig att systemet ska kunna hitta ett nytt driftsätt i en situation som utvecklarna inte har förutsett.

Förutsättningar för utveckling av artificiell intelligensvetenskap

Den artificiella intelligensens historia som en ny vetenskaplig riktning börjar i mitten av 1900-talet. Vid denna tidpunkt hade många förutsättningar för dess ursprung redan skapats: bland filosofer hade det länge pågått debatter om människans natur och processen att förstå världen, neurofysiologer och psykologer hade utvecklat ett antal teorier om den mänskliga hjärnans arbete och tänkande, ekonomer och matematiker ställde frågor om optimala beräkningar och presentation av kunskap om världen i en formaliserad form; slutligen föddes grunden för den matematiska beräkningsteorin - teorin om algoritmer - och de första datorerna skapades.

Förmågan hos nya maskiner när det gäller beräkningshastighet visade sig vara större än mänskliga, så frågan smög sig in i det vetenskapliga samfundet: vilka är gränserna för datorkapacitet och kommer maskiner att nå nivån av mänsklig utveckling? År 1950 skrev en av pionjärerna inom datorområdet, den engelske vetenskapsmannen Alan Turing, en artikel med titeln "Can a Machine Think?" , som beskriver en procedur genom vilken det kommer att vara möjligt att bestämma ögonblicket när en maskin blir lika med en person vad gäller intelligens, kallat Turing-testet.

Historien om utvecklingen av artificiell intelligens i Sovjetunionen och Ryssland

I Sovjetunionen började arbetet med artificiell intelligens på 1960-talet. Ett antal banbrytande studier genomfördes vid Moskvas universitet och Vetenskapsakademin, ledda av Veniamin Pushkin och D. A. Pospelov.

1964 publicerades Leningrad-logikern Sergei Maslovs arbete, "Den omvända metoden för att etablera härledning i klassisk predikatkalkyl", där han var den första som föreslog en metod för att automatiskt söka efter bevis för satser i predikatkalkylen.

Fram till 1970-talet i Sovjetunionen utfördes all AI-forskning inom ramen för cybernetik. Enligt D. A. Pospelov var vetenskaperna "datavetenskap" och "cybernetik" blandade på den tiden på grund av ett antal akademiska tvister. Först i slutet av 1970-talet i Sovjetunionen började de prata om den vetenskapliga riktningen "artificiell intelligens" som en gren av datavetenskap. Samtidigt föddes datavetenskapen själv och underordnade sin förfader "cybernetik". I slutet av 1970-talet skapades en förklarande ordbok om artificiell intelligens, en uppslagsbok i tre volymer om artificiell intelligens och en encyklopedisk ordbok om datavetenskap, där avsnitten "Kybernetik" och "Artificiell intelligens" ingår, tillsammans med andra sektioner, i datavetenskap. Termen "datavetenskap" blev utbredd på 1980-talet, och termen "cybernetik" försvann gradvis från cirkulationen och fanns bara kvar i namnen på de institutioner som uppstod under eran av den "cybernetiska boomen" i slutet av 1950-talet - början av 1960-talet. Denna syn på artificiell intelligens, cybernetik och datavetenskap delas inte av alla. Detta beror på det faktum att i väst är gränserna för dessa vetenskaper något annorlunda.

Tillvägagångssätt och vägbeskrivningar

Tillvägagångssätt för att förstå problemet

Det finns inget entydigt svar på frågan om vad artificiell intelligens gör. Nästan varje författare som skriver en bok om AI utgår från någon definition, med tanke på resultaten av denna vetenskap i dess ljus.

• fallande (engelska) Top-Down AI), semiotisk - skapandet av expertsystem, kunskapsbaser och logiska slutledningssystem som simulerar mentala processer på hög nivå: tänkande, resonemang, tal, känslor, kreativitet, etc.;
• stigande (engelska) Bottom-up AI), biologisk - studiet av neurala nätverk och evolutionära beräkningar som modellerar intelligent beteende baserat på biologiska element, såväl som skapandet av motsvarande datorsystem, såsom en neurodator eller biodator.

Det senare tillvägagångssättet hör strängt taget inte till vetenskapen om AI i den mening som John McCarthy gav – de förenas endast av ett gemensamt slutmål.

Turingtestet och den intuitiva metoden

Ett empiriskt test föreslogs av Alan Turing i hans artikel "Computing Machines and Minds." Datormaskiner och intelligens ), publicerad 1950 i den filosofiska tidskriften " Sinne" Syfte detta testär att avgöra möjligheten av artificiellt tänkande nära människan.

Standardtolkningen av detta test är följande: " En person interagerar med en dator och en person. Utifrån svaren på frågorna måste han bestämma vem han pratar med: en person eller ett datorprogram. Syftet med ett datorprogram är att vilseleda en person att göra fel val." Alla testdeltagare kan inte se varandra.

• Det mest allmänna tillvägagångssättet förutsätter att AI kommer att kunna uppvisa mänskligt beteende i normala situationer. Denna idé är en generalisering av Turing-testmetoden, som säger att en maskin kommer att bli intelligent när den kan föra en konversation med en vanlig person, och han kommer inte att kunna förstå att han pratar med maskinen ( samtalet genomförs genom korrespondens).
• Science fiction-författare föreslår ofta ett annat tillvägagångssätt: AI kommer att uppstå när en maskin är kapabel att känna och skapa. Så Andrew Martins ägare från "Bicentennial Man" börjar behandla honom som en person när han skapar en leksak enligt sin egen design. Och Data från Star Trek, som kan kommunicera och lära sig, drömmer om att få känslor och intuition.

Det senare tillvägagångssättet står dock knappast emot kritik vid närmare granskning. Till exempel är det inte svårt att skapa en mekanism som kommer att utvärdera vissa parametrar i den externa eller interna miljön och svara på deras ogynnsamma värden. Om ett sådant system kan vi säga att det har känslor ("smärta" är en reaktion på utlösningen av en stötsensor, "hunger" är en reaktion på en låg batteriladdning, etc.). Och de kluster som skapas av Kohonen-kort och många andra produkter av "intelligenta" system kan betraktas som en typ av kreativitet.

Symboliskt förhållningssätt

Historiskt sett var det symboliska tillvägagångssättet det första under de digitala maskinernas era, eftersom det var efter skapandet av Lisp, det första symboliska datorspråket, som dess författare blev säker på förmågan att praktiskt taget börja implementera dessa intelligensmedel. Det symboliska tillvägagångssättet låter dig arbeta med svagt formaliserade representationer och deras betydelser.

Framgången och effektiviteten av att lösa nya problem beror på förmågan att isolera endast väsentlig information, vilket kräver flexibilitet i abstraktionsmetoder. Medan ett vanligt program sätter sitt eget sätt att tolka data, vilket är anledningen till att dess arbete ser partiskt och rent mekaniskt ut. I det här fallet löses det intellektuella problemet endast av en person, en analytiker eller en programmerare, utan att kunna anförtro detta till en maskin. Som ett resultat skapas en enda abstraktionsmodell, ett system av konstruktiva enheter och algoritmer. Och flexibilitet och mångsidighet resulterar i betydande utgifter för resurser för icke-typiska uppgifter, det vill säga systemet återgår från intelligens till brute force.

Huvuddragen i symbolisk beräkning är skapandet av nya regler under programexekveringen. Medan förmågan hos icke-intelligenta system slutar precis innan förmågan att åtminstone identifiera nya svårigheter. Dessutom är dessa svårigheter inte lösta och slutligen förbättrar datorn inte sådana förmågor på egen hand.

Nackdelen med det symboliska förhållningssättet är att sådana öppna möjligheter av oförberedda människor uppfattas som en brist på verktyg. Detta ganska kulturella problem löses delvis genom logisk programmering.

Logiskt förhållningssätt

Ett logiskt tillvägagångssätt för att skapa artificiella intelligenssystem syftar till att skapa expertsystem med logiska modeller av kunskapsbaser som använder ett predikatspråk.

Språk- och logikprogrammeringssystemet Prolog antogs som en träningsmodell för system med artificiell intelligens på 1980-talet. Kunskapsbaser skrivna på prologspråket representerar uppsättningar av fakta och regler för logisk slutledning skrivna på logiska predikats språk.

Den logiska modellen för kunskapsbaser låter dig spela in inte bara specifik information och data i form av fakta på prologspråket, utan även generaliserad information med hjälp av regler och förfaranden för logisk slutledning, inklusive logiska regler för att definiera begrepp som uttrycker viss kunskap som specifik och generaliserad information.

Generellt sett är forskning kring problem med artificiell intelligens inom ramen för ett logiskt förhållningssätt till utformning av kunskapsbaser och expertsystem inriktat på skapandet, utvecklingen och driften av intelligenta informationssystem, inklusive frågor om undervisning av studenter och skolbarn, samt utbildning av användare och utvecklare av sådana intelligenta informationssystem.

Agentbaserat tillvägagångssätt

Det senaste tillvägagångssättet, utvecklat sedan början av 1990-talet, kallas agentbaserat tillvägagångssätt, eller tillvägagångssätt baserad på användningen av intelligenta (rationella) agenter. Enligt detta tillvägagångssätt är intelligens den beräkningsmässiga delen (grovt sett, planering) av förmågan att uppnå de mål som satts upp för en intelligent maskin. En sådan maskin i sig kommer att vara en intelligent agent, som uppfattar omvärlden med hjälp av sensorer och kan påverka objekt i miljön med hjälp av ställdon.

Detta tillvägagångssätt fokuserar på de metoder och algoritmer som hjälper den intelligenta agenten att överleva i miljön medan han utför sin uppgift. Således studeras vägsökning och beslutsfattande algoritmer mycket mer noggrant här.

Hybrid tillvägagångssätt

Huvudartikel: Hybrid tillvägagångssätt

Hybrid tillvägagångssätt antar det endast den synergistiska kombinationen av neurala och symboliska modeller uppnår hela spektrumet av kognitiva och beräkningsmöjligheter. Till exempel kan expertinferensregler genereras av neurala nätverk, och generativa regler erhålls med hjälp av statistisk inlärning. Förespråkare av detta tillvägagångssätt tror att hybridinformationssystem kommer att vara mycket starkare än summan av de olika begreppen separat.

Forskningsmodeller och metoder

Symbolisk modellering av tankeprocesser

Huvudartikel: Modelleringsresonemang

Genom att analysera AI:s historia kan vi identifiera ett så brett område som modelleringsresonemang. Under många år har utvecklingen av denna vetenskap rört sig exakt längs denna väg, och nu är det ett av de mest utvecklade områdena inom modern AI. Modellerande resonemang innefattar skapandet av symboliska system, vars input är ett visst problem, och resultatet kräver sin lösning. Som regel har det föreslagna problemet redan formaliserats, det vill säga översatt till matematisk form, men har antingen ingen lösningsalgoritm, eller så är det för komplext, tidskrävande, etc. Detta område inkluderar: bevisa teorem, beslutsfattande och spel teori, planering och utsändning , prognoser .

Arbeta med naturliga språk

En viktig riktning är naturlig språkbehandling, inom vilken analysen av förmågan att förstå, bearbeta och generera texter på ”mänskligt” språk genomförs. Denna riktning syftar till att bearbeta naturligt språk på ett sådant sätt att man självständigt skulle kunna skaffa sig kunskap genom att läsa befintlig text tillgänglig på Internet. Vissa direkta tillämpningar av bearbetning av naturligt språk inkluderar informationssökning (inklusive deep text mining) och maskinöversättning.

Representation och användning av kunskap

Riktning kunskapsteknik kombinerar uppgifterna att hämta kunskap från enkel information, deras systematisering och användning. Denna riktning är historiskt förknippad med skapelsen expert system- program som använder specialiserade kunskapsbaser för att få tillförlitliga slutsatser om alla problem.

Att producera kunskap från data är ett av de grundläggande problemen med datautvinning. Det finns olika tillvägagångssätt för att lösa detta problem, inklusive de som är baserade på neurala nätverksteknologier, med användning av verbaliseringsprocedurer för neurala nätverk.

Maskininlärning

frågor maskininlärning berör processen oberoende inhämtning av kunskap genom ett intelligent system under dess drift. Denna inriktning har varit central sedan början av utvecklingen av AI. 1956, vid Dartmunds sommarkonferens, skrev Ray Solomonoff ett papper om en probabilistisk oövervakad inlärningsmaskin och kallade den en "induktiv inferensmotor".

Robotik

Huvudartikel: Intelligent robotik

Maskinkreativitet

Huvudartikel: Maskinkreativitet

Den mänskliga kreativitetens natur är ännu mindre studerad än intelligensens natur. Ändå finns detta område, och problemen med datorskrivande musik, litterära verk (ofta poesi eller sagor) och konstnärligt skapande ställs här. Att skapa realistiska bilder används flitigt inom film- och spelindustrin.

Studiet av problem med teknisk kreativitet hos artificiella intelligenssystem sticker ut separat. Teorin om att lösa uppfinningsrika problem, som föreslogs 1946 av G. S. Altshuller, markerade början på sådan forskning.

Genom att lägga till denna förmåga till alla intelligenta system kan du mycket tydligt demonstrera exakt vad systemet uppfattar och hur det förstår det. Genom att lägga till brus istället för att sakna information eller filtrera brus med kunskap som finns tillgänglig i systemet, producerar det konkreta bilder från abstrakt kunskap som lätt kan uppfattas av en person, detta är särskilt användbart för intuitiv och lågvärdig kunskap, vars verifiering i en formell form kräver betydande mental ansträngning.

Andra forskningsområden

Slutligen finns det många tillämpningar av artificiell intelligens, som var och en bildar en nästan oberoende riktning. Exempel inkluderar programmeringsintelligens i datorspel, olinjär kontroll och intelligenta informationssäkerhetssystem.

Man kan se att många forskningsområden överlappar varandra. Detta är typiskt för all vetenskap. Men inom artificiell intelligens är relationen mellan till synes olika områden särskilt stark, och detta är förknippat med den filosofiska debatten om stark och svag AI.

Modern artificiell intelligens

Två riktningar för AI-utveckling kan särskiljas:

• lösa problem förknippade med att föra specialiserade AI-system närmare mänskliga förmågor och deras integration, vilket förverkligas av mänsklig natur ( se Intelligensförbättring);
• skapandet av artificiell intelligens, som representerar integrationen av redan skapade AI-system i ett enda system som kan lösa mänsklighetens problem ( se Stark och svag artificiell intelligens).

Men för tillfället ser området artificiell intelligens involvering av många ämnesområden som har en praktisk relation till AI snarare än en grundläggande. Många tillvägagångssätt har testats, men ingen forskargrupp har ännu närmat sig framväxten av artificiell intelligens. Nedan är bara några av de mest kända utvecklingarna inom AI-området.

Ansökan

RoboCup-turnering

Några av de mest kända AI-systemen är:

Banker använder artificiell intelligens (AI) i försäkringsverksamhet (aktuariella matematik), när de spelar på börsen och i fastighetsförvaltningen. Mönsterigenkänningsmetoder (inklusive både mer komplexa och specialiserade och neurala nätverk) används i stor utsträckning inom optisk och akustisk igenkänning (inklusive text och tal), medicinsk diagnostik, spamfilter, i luftvärnssystem (målidentifiering), samt för att säkerställa en antal andra nationella säkerhetsuppgifter.

Psykologi och kognitionsvetenskap

Kognitiv modelleringsmetod är utformad för att analysera och fatta beslut i dåligt definierade situationer. Det föreslogs av Axelrod.

Den bygger på modellering av experters subjektiva idéer om situationen och inkluderar: en metodik för att strukturera situationen: en modell för att representera expertens kunskap i form av en signerad digraf (kognitiv karta) (F, W), där F är uppsättningen av faktorer i situationen, W är uppsättningen orsak-och-verkan relationer mellan faktorerna i situationen; metoder för situationsanalys. För närvarande utvecklas metodiken för kognitiv modellering i riktning mot att förbättra apparaten för att analysera och modellera situationen. Här föreslås modeller för att prognostisera utvecklingen av situationen; metoder för att lösa omvända problem.

Filosofi

Vetenskapen om att "skapa artificiell intelligens" kunde inte låta bli att dra till sig filosofernas uppmärksamhet. Med tillkomsten av de första intelligenta systemen väcktes grundläggande frågor om människan och kunskap, och delvis om världsordningen.

Filosofiska problem med att skapa artificiell intelligens kan delas upp i två grupper, relativt sett, "före och efter utvecklingen av AI." Den första gruppen svarar på frågan: "Vad är AI, är det möjligt att skapa det och, om möjligt, hur man gör det?" Den andra gruppen (etik för artificiell intelligens) ställer frågan: "Vilka är konsekvenserna av att skapa AI för mänskligheten?"

Termen "stark artificiell intelligens" introducerades av John Searle, och tillvägagångssättet kännetecknas av hans ord:

Dessutom skulle ett sådant program inte bara vara en modell av sinnet; hon, i ordets bokstavliga mening, kommer själv att vara sinnet, i samma mening som det mänskliga sinnet är sinnet.

Samtidigt är det nödvändigt att förstå om ett "rent artificiellt" sinne ("metamind") är möjligt, att förstå och lösa verkliga problem och samtidigt sakna känslor som är karakteristiska för en person och nödvändiga för hans individuella överlevnad .

Däremot föredrar förespråkare för svag AI att bara se program som verktyg som låter dem lösa vissa problem som inte kräver hela spektrumet av mänskliga kognitiva förmågor.

Etik

Science fiction

Ämnet AI betraktas från olika vinklar i Robert Heinleins verk: hypotesen om uppkomsten av självmedvetenhet om AI när strukturen blir mer komplex bortom en viss kritisk nivå och det finns interaktion med omvärlden och andra bärare av AI. intelligens ("The Moon Is a Harsh Mistress", "Time Enough For Love", karaktärerna Mycroft, Dora och Aya i serien "History of the Future"), problem med AI-utveckling efter hypotetisk självmedvetenhet och vissa sociala och etiska frågor ("Fredag"). De sociopsykologiska problemen med mänsklig interaktion med AI beaktas också i Philip K. Dicks roman "Do Androids Dream of Electric Sheep? ", även känd för filmatiseringen av Blade Runner.

Science fiction-författaren och filosofen Stanislaw Lems verk beskriver och förutser till stor del skapandet av virtuell verklighet, artificiell intelligens, nanorobotar och många andra problem i filosofin om artificiell intelligens. Särskilt värt att notera är Futurologin för Summan av Teknik. Dessutom beskrivs i Ijon den tystes äventyr upprepade gånger förhållandet mellan levande varelser och maskiner: omborddatorns uppror med efterföljande oväntade händelser (11:e resan), anpassningen av robotar i det mänskliga samhället (“The Washing Tragedi" från "The Memoirs of Ijon the Quiet"), skapandet av absolut ordning på planeten genom att bearbeta levande invånare (24:e resan), uppfinningar av Corcoran och Diagoras ("Memoirs of Ijon the Quiet"), en psykiatrisk klinik för robotar ("Memoarer av Ijon den tysta"). Dessutom finns det en hel serie av romaner och berättelser Cyberiad, där nästan alla karaktärer är robotar, som är avlägsna ättlingar till robotar som rymt från människor (de kallar människor för bleska och betraktar dem som mytiska varelser).

Filmer

Sedan nästan 60-talet, tillsammans med skrivandet av science fiction-berättelser och noveller, har filmer om artificiell intelligens gjorts. Många berättelser av författare erkända över hela världen filmas och blir klassiker inom genren, andra blir en milstolpe i utvecklingen av science fiction-film, till exempel The Terminator och The Matrix.

se även

Anteckningar

1. FAQ från John McCarthy, 2007
2. M. Andrew. Verkliga livet och artificiell intelligens // “Artificial Intelligence News”, RAAI, 2000
3. Gavrilova T. A. Khoroshevsky V. F. Kunskapsbaser för intelligenta system: Lärobok för universitet
4. Averkin A. N., Gaase-Rapoport M. G., Pospelov D. A. Förklarande ordbok om artificiell intelligens. - M.: Radio och kommunikation, 1992. - 256 sid.
5. G.S. Osipov. Artificiell intelligens: Forskningsläget och blickar mot framtiden
6. Ilyasov F.N. Artificiell och naturlig intelligens // Nyheter från vetenskapsakademin i Turkmenska SSR, serie av samhällsvetenskaper. 1986. Nr 6. S. 46-54.
7. Alan Turing, Kan maskiner tänka?
8. Intelligenta maskiner av S. N. Korsakov
9. D. A. Pospelov. Bildandet av datavetenskap i Ryssland
10. Om historien om cybernetik i Sovjetunionen. Uppsats ett, uppsats två
11. Jack Copeland. Vad är artificiell intelligens? 2000
12. Alan Turing, "Computing Machinery and Intelligence," Mind, vol. LIX, nej. 236, oktober 1950, sid. 433-460.
13. Naturlig språkbehandling:
14. Tillämpningar för behandling av naturligt språk inkluderar informationshämtning (inklusive textutvinning och maskinöversättning):
15. Gorban P.A. Neural nätverksextraktion av kunskap från data och datorpsykoanalys
16. Maskininlärning:
17. Alan Turing diskuterade det som ett centralt ämne så tidigt som 1950, i sin klassiska uppsats Computing Machinery and Intelligence. ()
18. (skannad pdf-kopia av originalet) (version publicerad 1957, An Inductive Inference Machine, "IRE Convention Record, Section on Information Theory, Del 2, s. 56-62)
19. Robotik:
20. , sid. 916–932
21. , sid. 908–915
22. Blue Brain Project - Artificiell hjärna
23. Mild-manered Watson spett mänskliga motståndare på fara
24. 20Q.net Inc
25. Axelrod R. The Structure of Decision: Kognitiva kartor över politiska eliter. - Princeton. University Press, 1976
26. John Searle. Är hjärnans sinne ett datorprogram?
27. Penrose R. Kungens nya sinne. Om datorer, tänkande och fysikens lagar. - M.: URSS, 2005. - ISBN 5-354-00993-6
28. AI som en global riskfaktor
29. ...vilja leda dig in i det eviga livet
30. http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf Ortodox syn på problemet med artificiell intelligens
31. Harry Harrison. Turing val. - M.: Eksmo-Press, 1999. - 480 sid. - ISBN 5-04-002906-3

Litteratur

• Datorn lär sig och resonerar (del 1) // Datorn vinner intelligens = Artificiell intelligens Datorbilder / red. V. L. Stefanyuk. - Moskva: Mir, 1990. - 240 sid. - 100 000 exemplar. - ISBN 5-03-001277-X (ryska); ISBN 705409155 (engelska)
• Devyatkov V.V. Artificiell intelligenssystem / Kap. ed. I. B. Fedorov. - M.: Förlag av MSTU im. N. E. Bauman, 2001. - 352 sid. - (Informatik vid tekniskt universitet). - 3000 exemplar. - ISBN 5-7038-1727-7

• Korsakov S.N. Beskriv ett nytt sätt att forska med maskiner som jämför idéer / Ed. SOM. Mikhailova. - M.: MEPhI, 2009. - 44 sid. - 200 exemplar. -

Artificiell intelligens (AI, engelska: Artificiell intelligens, AI) - vetenskapen och tekniken för att skapa intelligenta maskiner, särskilt intelligenta datorprogram. AI är relaterad till den liknande uppgiften att använda datorer för att förstå mänsklig intelligens, men är inte nödvändigtvis begränsad till biologiskt rimliga metoder.

Vad är artificiell intelligens

Intelligens(från lat. intellectus - förnimmelse, perception, förståelse, förståelse, begrepp, förnuft), eller sinne - en egenskap hos psyket som består av förmågan att anpassa sig till nya situationer, förmågan att lära och komma ihåg baserat på erfarenhet, förstå och tillämpa abstrakta begrepp och använda sin kunskap för förvaltning miljö. Intelligens är den allmänna förmågan till kognition och lösa svårigheter, som förenar alla mänskliga kognitiva förmågor: förnimmelse, perception, minne, representation, tänkande, fantasi.

I början av 1980-talet. Beräkningsforskare Barr och Fajgenbaum föreslog följande definition av artificiell intelligens (AI):

Senare började ett antal algoritmer och mjukvarusystem klassificeras som AI, vars utmärkande egenskap är att de kan lösa vissa problem på samma sätt som en person som tänker på sin lösning skulle göra.

Huvudegenskaperna hos AI är förståelse av språk, inlärning och förmågan att tänka och, viktigare, agera.

AI är ett komplex av relaterade teknologier och processer som utvecklas kvalitativt och snabbt, till exempel:

• textbehandling på naturligt språk
• expert system
• virtuella agenter (chatbots och virtuella assistenter)
• rekommendationssystem.

Nationell strategi för utveckling av artificiell intelligens

• Huvudartikel: Nationell strategi för utveckling av artificiell intelligens

AI-forskning

• Huvudartikel: Forskning om artificiell intelligens

Standardisering inom AI

2019: ISO/IEC-experter stödde förslaget att utveckla en standard på ryska

Den 16 april 2019 blev det känt att ISO/IEC-underkommittén för standardisering inom området artificiell intelligens stödde förslaget från den tekniska kommittén "Cyber-fysiska system", skapat på basis av RVC, för att utveckla "Artificiell intelligens" standard. Begrepp och terminologi" på ryska utöver den grundläggande engelska versionen.

Terminologisk standard ”Artificiell intelligens. Koncept och terminologi" är grundläggande för hela familjen av internationella reglerande och tekniska dokument inom området artificiell intelligens. Förutom termer och definitioner innehåller detta dokument konceptuella tillvägagångssätt och principer för att konstruera system med element, en beskrivning av förhållandet mellan AI och andra end-to-end-teknologier, samt grundläggande principer och rammetoder för reglerande och teknisk reglering av artificiell intelligens.

Efter mötet med den relevanta ISO/IEC-underkommittén i Dublin, stödde ISO/IEC-experter förslaget från delegationen från Ryssland att samtidigt utveckla en terminologisk standard inom området AI, inte bara på engelska utan också på ryska. Dokumentet förväntas godkännas i början av 2021.

Utvecklingen av produkter och tjänster baserade på artificiell intelligens kräver en entydig tolkning av de begrepp som används av alla marknadsaktörer. Terminologistandarden kommer att förena det "språk" som utvecklare, kunder och professionella kommunicerar på, klassificera sådana egenskaper hos AI-baserade produkter som "säkerhet", "reproducerbarhet", "tillförlitlighet" och "sekretess". Gemensam terminologi kommer också att bli viktig faktor för utveckling av artificiell intelligensteknik inom ramen för National Technology Initiative - AI-algoritmer används av mer än 80% av företagen i NTI-omkretsen. Dessutom kommer ISO/IEC-beslutet att stärka auktoriteten och utöka inflytandet från ryska experter i den fortsatta utvecklingen av internationella standarder.

Under mötet stödde ISO/IEC-experter också utvecklingen av ett utkast till internationellt dokument Information Technology - Artificial Intelligence (AI) - Overview of Computational Approaches for AI Systems, där Ryssland fungerar som medredaktör. Dokumentet ger en översikt över det aktuella tillståndet för system för artificiell intelligens, och beskriver de viktigaste egenskaperna hos systemen, algoritmer och tillvägagångssätt, samt exempel på specialiserade applikationer inom området AI. Utvecklingen av detta utkast till dokument kommer att utföras av en speciellt skapad arbetsgrupp 5 "Computational approaches and computational characteristics of AI systems" inom underkommittén (SC 42 Working Group 5 "Computational approaches and computational characteristics of AI systems").

Som en del av sitt arbete på internationell nivå lyckades den ryska delegationen uppnå ett antal landmärkensbeslut som kommer att ha en långsiktig effekt på utvecklingen av artificiell intelligensteknologi i landet. Utvecklingen av en ryskspråkig version av standarden, även från en så tidig fas, är en garanti för synkronisering med det internationella området, och utvecklingen av ISO/IEC-underkommittén och initieringen av internationella dokument med rysk samredigering är grunden för att ytterligare främja ryska utvecklares intressen utomlands”, kommenterade han.

Teknik för artificiell intelligens är mycket efterfrågad inom en mängd olika sektorer av den digitala ekonomin. En av de viktigaste faktorerna som hindrar deras fullskaliga praktiska användning är underutvecklingen av regelverket. Samtidigt är det det välutvecklade regelverket och det tekniska ramverket som säkerställer den specificerade kvaliteten på tekniktillämpningen och motsvarande ekonomiska effekt.

Inom området artificiell intelligens utvecklar TC Cyber-Physical Systems, baserat på RVC, ett antal nationella standarder, vars godkännande är planerat till slutet av 2019 - början av 2020. Dessutom pågår ett arbete tillsammans med marknadens aktörer för att ta fram en Nationell Standardiseringsplan (NSP) för 2020 och framåt. TC "Cyber-fysiska system" är öppen för förslag för utveckling av dokument från intresserade organisationer.

2018: Utveckling av standarder inom området kvantkommunikation, AI och smart city

Den 6 december 2018 började den tekniska kommittén "Cyber-Physical Systems" baserad på RVC tillsammans med Regional Engineering Center "SafeNet" utveckla en uppsättning standarder för marknaderna för National Technology Initiative (NTI) och den digitala ekonomin. I mars 2019 är det planerat att utveckla tekniska standardiseringsdokument inom området kvantkommunikation, och RVC rapporterade. Läs mer.

Effekten av artificiell intelligens

Risk för utvecklingen av den mänskliga civilisationen

Inverkan på ekonomin och näringslivet

• Effekten av artificiell intelligens-teknik på ekonomin och näringslivet

Inverkan på arbetsmarknaden

Artificiell intelligens Bias

Kärnan i allt som är övningen av AI (maskinöversättning, taligenkänning, naturlig språkbehandling, datorseende, automatiserad körning och mycket mer) är djupinlärning. Det är en delmängd av maskininlärning, kännetecknad av användningen av neurala nätverksmodeller, som kan sägas efterlikna hjärnans funktion, så det skulle vara en sträcka att klassificera dem som AI. Alla neurala nätverksmodeller tränas på stora datamängder, så den förvärvar vissa "färdigheter", men hur den använder dem är fortfarande oklart för skaparna, vilket i slutändan blir ett av de viktigaste problemen för många djupinlärningsapplikationer. Anledningen är att en sådan modell arbetar med bilder formellt, utan någon förståelse för vad den gör. Är ett sådant system AI och kan man lita på system byggda på maskininlärning? Konsekvenserna av svaret på den sista frågan sträcker sig bortom det vetenskapliga laboratoriet. Därför har medias uppmärksamhet på fenomenet som kallas AI-bias märkbart intensifierats. Det kan översättas som "AI-bias" eller "AI-bias". Läs mer.

Teknikmarknaden för artificiell intelligens

AI-marknad i Ryssland

Global AI-marknad

Användningsområden för AI

Användningsområdena för AI är ganska breda och täcker både välbekanta teknologier och nya områden som är långt ifrån masstillämpningar, med andra ord, detta är hela utbudet av lösningar, från dammsugare till rymdstationer. Du kan dela upp all deras mångfald enligt kriteriet för nyckelpunkter i utvecklingen.

AI är inte ett monolitiskt ämnesområde. Dessutom framstår vissa tekniska områden inom AI som nya undersektorer av ekonomin och separata enheter, samtidigt som de betjänar de flesta områden i ekonomin.

Utvecklingen av användningen av AI leder till anpassning av teknologier i klassiska sektorer av ekonomin längs hela värdekedjan och omvandlar dem, vilket leder till algoritmisering av nästan all funktionalitet, från logistik till företagsledning.

Använder AI för försvar och militära angelägenheter

Använd i utbildning

Använder AI i affärer

AI i kampen mot bedrägerier

Den 11 juli 2019 blev det känt att artificiell intelligens och maskininlärning om bara två år kommer att användas för att bekämpa bedrägerier tre gånger oftare än i juli 2019. Sådana uppgifter erhölls under en gemensam studie av SAS och Association of Certified Fraud Examiners (ACFE). Från och med juli 2019 används sådana antibedrägeriverktyg redan i 13 % av organisationerna som deltog i undersökningen, och ytterligare 25 % sa att de planerar att implementera dem inom det närmaste eller två året. Läs mer.

AI inom elkraftsindustrin

• På designnivå: förbättrad prognostisering av produktion och efterfrågan på energiresurser, bedömning av tillförlitligheten hos kraftgenererande utrustning, automatisering av ökad produktion när efterfrågan ökar.
• På produktionsnivå: optimering av förebyggande underhåll av utrustning, ökad produktionseffektivitet, minskning av förluster, förhindrande av stöld av energiresurser.
• På kampanjnivå: optimering av prissättning beroende på tid på dygnet och dynamisk fakturering.
• På tjänstenivå: automatiskt val av den mest lönsamma leverantören, detaljerad förbrukningsstatistik, automatiserad kundservice, optimering av energiförbrukningen med hänsyn till kundens vanor och beteende.

AI inom tillverkning

• På designnivå: öka effektiviteten av ny produktutveckling, automatiserad leverantörsbedömning och analys av reservdelskrav.
• På produktionsnivå: förbättra processen för att slutföra uppgifter, automatisera monteringslinjer, minska antalet fel, minska leveranstiderna för råvaror.
• På kampanjnivå: prognostisera volymen av support- och underhållstjänster, prishantering.
• På tjänstenivån: förbättra planeringen av fordonsflottans rutter, efterfrågan på flottans resurser, förbättra kvaliteten på utbildningen av serviceingenjörer.

AI i banker

• Mönsterigenkänning - används inkl. att känna igen kunder i filialer och förmedla specialiserade erbjudanden till dem.

AI inom transport

• Bilindustrin står på gränsen till en revolution: 5 utmaningar från tiden för obemannad körning

AI inom logistik

AI i bryggning

AI i rättsväsendet

Utvecklingen inom området artificiell intelligens kommer att bidra till att radikalt förändra rättssystemet, vilket gör det mer rättvist och fritt från korruptionsplaner. Denna åsikt uttrycktes sommaren 2017 av Vladimir Krylov, doktor i tekniska vetenskaper, teknisk konsult på Artezio.

Forskaren tror att befintliga lösningar inom AI-området framgångsrikt kan tillämpas inom olika sfärer av ekonomin och det offentliga livet. Experten påpekar att AI framgångsrikt används inom medicin, men i framtiden kan det helt förändra rättssystemet.

"När man tittar på nyhetsrapporter varje dag om utvecklingen inom AI-området blir man bara förvånad över den outtömliga fantasin och fruktbarheten hos forskare och utvecklare inom detta område. Rapporter om vetenskaplig forskning varvas ständigt med publikationer om nya produkter som kommer ut på marknaden och rapporter om fantastiska resultat som erhållits genom användning av AI inom olika områden. Om vi ​​pratar om förväntade händelser, åtföljda av märkbar hype i media, där AI återigen kommer att bli nyheternas hjälte, då riskerar jag förmodligen inte att göra tekniska prognoser. Jag kan tänka mig att nästa händelse kommer att bli uppkomsten någonstans av en extremt kompetent domstol i form av artificiell intelligens, rättvis och oförgänglig. Detta kommer uppenbarligen att hända 2020-2025. Och de processer som kommer att äga rum i denna domstol kommer att leda till oväntade reflektioner och många människors önskan att överföra de flesta processerna för att hantera det mänskliga samhället till AI.”

Forskaren erkänner användningen av artificiell intelligens i rättssystemet som ett "logiskt steg" för att utveckla lagstiftande jämlikhet och rättvisa. Maskinintelligens är inte föremål för korruption och känslor, kan strikt följa den rättsliga ramen och fatta beslut med hänsyn till många faktorer, inklusive data som kännetecknar parterna i tvisten. I analogi med det medicinska området kan robotdomare operera med stordata från statliga tjänstelager. Man kan anta att

musik

Målning

Under 2015 testade Google-teamet neurala nätverk för att se om de kunde skapa bilder på egen hand. Sedan tränades artificiell intelligens genom exempel stora mängder olika bilder. Men när maskinen "ombads" att avbilda något på egen hand, visade det sig att den tolkade världen omkring oss på ett något konstigt sätt. Till exempel, för uppgiften att rita hantlar, fick utvecklarna en bild där metallen var ansluten med mänskliga händer. Detta hände förmodligen på grund av det faktum att de analyserade bilderna med hantlar på träningsstadiet innehöll händer, och det neurala nätverket tolkade detta felaktigt.

Den 26 februari 2016, vid en speciell auktion i San Francisco, samlade Google-representanter in cirka 98 tusen dollar från psykedeliska målningar skapade av artificiell intelligens. Dessa medel donerades till välgörenhet. En av de mest framgångsrika bilderna på bilen presenteras nedan.

En målning målad av Googles artificiella intelligens.