В каких областях используется искусственный интеллект кратко

Обновлено: 05.07.2024

Для таких прогнозов есть предпосылки уже сейчас. Искусственный интеллект обширно используется и качественно меняет действительность в науке, медицине, образовании, бизнесе, быту, обороне, транспорте и т.д. ИИ показал себя лучше человека по трем параметрам:

Он автоматизирует рутинные, монотонные, однообразные процессы, утомительные для человека;
Быстро обрабатывает колоссальные объемы информации;
Исключен человеческий фактор: усталость, болезни, эмоции и сопряженные с этим ошибки.

В итоге области применения ИИ постоянно расширяются. Уже сейчас искусственный интеллект отлично справляется с некоторыми задачами в следующих областях:

Здравоохранение.

ИИ – помощник не только врачам, но и больным, и здоровым людям, следящим за своим здоровьем. Уже есть в продаже устройства, доступные для домашнего применения – тестеры, счетчики, измерители различных показателей организма. Некоторые способны общаться с пациентом голосом, проводя опрос о состоянии здоровья, а далее либо давая рекомендации по его коррекции, либо направляя подопечного к врачу. Например, приложения Ada и Your.MD – доступны для скачивания в интернете.

Образование.

Сфера образование имеет две задачи в развитии на обозримое будущее - адаптивное обучение и прокторинг. Искусственный интеллект призван решать задачу усвоения материала людьми с различной степенью успеваемости и обучаемости, подбирая учебный материал и способ его подачи под личные способности каждого ученика.

Прокторинг – это контроль сдающих экзамены. Робот следит за процессом, учитывая множество факторов, которые веб-камера может не зафиксировать, ведь смекалка ловких студентов способна обмануть технику. Впрочем, в образовании и его качестве машина человека кода-либо вряд ли заменит полностью. Многое зависит от личности самого учителя – лучше учатся у тех преподавателей, которые ученикам нравятся, как люди.

Сельское хозяйство и промышленность.

Здесь востребовано такое качество ИИ, как автоматизация рабочих процессов. Пока дело ограничивается выполнением конвейерных операций, но уже к 2023 году LG, например, собирается открыть завод, где искусственному интеллекту будет поручено практически все: от закупки расходников до контроля качества продукции, отгрузка, контроль выполнения плана, контроль оборудования и многое другое. Надо полагать, человека на таком производстве не понадобится.

В сельском хозяйстве роботам уже поручено выявлять в пышных зарослях урожая сорняки, удалять их, выявлять заболевания растений, опознавать вредителей, а также экономно вносить пестициды и удобрения в размере, не превосходящем необходимый. Кроме того, ИИ поручено следить за основными параметрами среды, нужной для урожая – влажностью почвы, состоянием воздуха, температурным режимом.

Дорожное движение.

Скоро искусственный интеллект массово реализует себя еще в одном направлении – замене управляемых человеком автомобилей на автономные. Автономные машины – автомобили без водителя. А в некоторых странах уже существуют роботизированные парковки - человек оставляет машину, а робот ее паркует.

Бытовое применение ИИ.

Особенности применения ИИ.

Не следует думать, что, поручив машинам все, человек может отойти от дел. Машина – это все-таки машина. Во всяком случае, в ближайшем будущем без контроля человека роботы не обойдутся. Искусственный интеллект на данном этапе развития конкурентом человеку быть пока никак не может. Но уже в ближайшем будущем (по прогнозам некоторых специалистов - 5-10 лет), искусственный интеллект начнет сильно вытеснять человека, полностью заменяя его в очень большом кругу задач и отраслей. Этот процесс необратим и, скорее всего, приведет к изменению мироустройства, рынка труда и социального обеспечения.

Кроме того, пока не решен вопрос ответственности за трагические последствия автономной работы машин (беспилотного автомобиля, робота-хирурга), пока ответственность несет человек.

Работа с изображениями

Распознавание образов было одной из самых популярных задач, которую пытались решить с помощью ИИ. Создание компьютерного зрения, как и систем распознавания речи и понимания смысла текстов являются ключевыми направлениями, в которых развиваются связанные с ИИ.

Современные генеративно-состязательные нейросети научились не только распознавать человека на фото. Они вполне успешно делают это на видеороликах, причём даже если человек замотал лицо шарфом или надел медицинскую маску.

Например, китайская компания SenseTime считывает 240 ключевых точек, расположенных вокруг носа, глаз, рта. Это обеспечивает распознавание частично скрытых лиц с точностью до 90%.

Minvision, ещё один китайский разработчик систем распознавания лиц, с началом пандемии срочно дообучил свою нейросеть на распознавание людей в масках. Источником ключевых точек для опознания были глаза и области вокруг них.

Несмотря на фантастические возможности, которые демонстрируют нейросети, живым дизайнерам нечего опасаться: ИИ может создать бесконечное количество вариантов логотипа или картины, но выбрать среди них удачные и наиболее соответствующие поставленной задаче может только человек. Да и взаимодействовать заказчики всё-таки предпочитают с живым человеком. Более того, ИИ может повысить продуктивность дизайнера, ведь тому уже не придётся перебирать варианты вручную.

Что касается задач, связанных с распознаванием образов на видео и фото, тут с нейросетями тягаться сложно, да и вряд ли имеет смысл. Эта работа относится к разряду той, которую с радостью перепоручат роботам.

Работа с текстами

Работа с текстами — ещё одна область, в которой ИИ уверенно занимают сильные позиции. Разработанный некоммерческой компанией OpenAI алгоритм генерации текста GPT (Generative Pretrained Transformer) позволяет научить нейросети продолжать начатые человеком фразы, а также писать самостоятельные тексты.

Для обучения первой версии алгоритма использовали 117 млн параметров. Вторую версию алгоритма — GPT-2 —обучали уже на 1,5 млрд параметров, а GPT-3, самая современная версия, обучена на 175 млрд параметров. Это огромный массив данных, содержащий книги, новостные сайты, рецепты, технические руководства, религиозную литературу, путеводители и всю англоязычную Википедию. Не обошлось без довольно спорных материалов, посвящённых НЛО, пришельцам и теориям заговоров.

В результате GPT-3 умеет значительно больше, чем её ранние версии. Например, с её помощью можно пообщаться с историческими личностями или попросить её сочинить диалог между Ньютоном и Эйнштейном, стилизованный под Властелина Колец. GPT-3 также может сделать макет сайта по его описанию.

Результат работы поэтической нейросети Яндекса

Нейросети на базе GPT-3 научились вести довольно осмысленный диалог на разные темы, но с генерацией полноценного текста дела пока обстоят не лучшим образом. И хотя лучшие образцы всё ещё выглядят довольно странно, но не менее странно выглядят SEO-тексты, написанные копирайтерами-массовиками.

Поэтому редакторам и авторам уже сейчас стоит задуматься над тем, как и для кого они пишут, развиваться профессионально, переходя от написания слов и предложений к решению задач заказчиков, управлению вниманием читателей и донесением пользы. А нейросети помогут не тратить время на бессмысленный улучшайзинг.

Персональные ассистенты

Способность распознавать сарказм считается одним из показателей уровня ИИ. Считается даже, что именно эта функция отражает движение по пути к развитию самостоятельности мышления.

Цифровые персональные ассистенты быстро развиваются. Они уже обзавелись множеством функций, которые раньше выполняли секретари и личные помощники. Учитывая тенденцию, вполне закономерным предположением будет полное вытеснение людей в массовом сегменте и замена их на нейросетевые аналоги. Однако есть вероятность, что, как и в случае с текстами и графикой, цифровизация профессии секретаря приведёт к тому, что процессами по-прежнему будет управлять живой человек, в то время как рутина останется на долю ИИ.

Безопасность

Практически безграничные аналитические возможности ИИ просто не могли не задействовать в сфере обеспечения кибербезопасности. Поручить нейросети разбираться с уведомлениями SIEM-систем, предварительно обучив её распознавать кибератаки — мечта практически любого SOC-аналитика.

Разработчики систем защиты также используют машинное обучение. Они собирают озёра данных об инцидентах и обучают на них нейросети. Благодаря глобальной системе сбора информации такие решения постепенно учатся обнаруживать и блокировать не только старые, но и новые угрозы, выявляя совокупности признаков, которые с большой вероятностью остались бы незамеченными. Нейросети могут даже распознавать атаки, традиционно остающиеся за пределами внимания антивирусных сенсоров — мошеннические письма с элементами социальной инженерии, не содержащие никаких вредоносных компонентов.

Уже сейчас очевидно, что даже лучшие SOC-аналитики не могут напрямую конкурировать с нейросетями, однако это и не требуется. Вместо изучения бесконечных журналов и уведомлений о сработавших алёртах ИБ-эксперты могут сосредоточиться на глубоком обучении нейросетей и формировании стратегии выявления инцидентов безопасности.

Медицина

Ещё одна сфера, в которой обрабатываются гигантские массивы данных — медицина. Анализы крови, МРТ, рентгеновские снимки, наследственные заболевания, мониторинг артериального давления, пульса и множества других параметров, с одной стороны, позволяют достаточно точно производить диагностику, а с другой стороны, порождают врачебные ошибки. Обработка большого количества информации силами одного человеческого мозга создаёт ненулевой риск упустить что-то важное.

Есть и ещё один важный момент: люди редко обращаются к врачам, если у них не случится что-то серьёзное. А ведь многие заболевания проще предупредить на ранних стадиях, чем лечить, когда они уже проявляют себя.

Понимая это, в компании Toshiba решили создать ИИ, который позволил бы врачам анализировать данные медицинских осмотров сотрудников компаний, назначения лекарств и всю сопутствующую информацию. Обработка этой информации с помощью обученной нейросети позволяет выдавать предупреждения до момента, когда у людей начинают развиваться заболевания, связанные с образом жизни.

Для прогнозирования риска заболеваний, связанных с образом жизни, ИИ считывает базовые характеристики пациента — артериальное давление, состав крови, окружность живота, частота употребления алкоголя и многое другое. Используя эти сведения, он выдаёт прогноз, через сколько лет состояние здоровья человека достигнет опасного порога, и он получит в качестве диагноза одно из шести заболеваний: диабет, болезни почек, печени, гипертонию, гиперлипидемию или метаболический синдром.

Схема работы медицинского ИИ Toshiba. Источник: Toshiba

Вместе с прогнозом развития заболеваний пациенты получают рекомендации по изменению образа жизни, например, по ежедневному выполнению физических упражнений или снижению количества алкоголя. В рекомендации также указано, как изменения в поведении отразятся на риске развития опасных заболеваний.

В настоящее время точность прогнозов медицинского ИИ, разработанного Toshiba, составляет 96%. Добавление в анализ большего количества данных, таких как информация о ДНК пациента и семейная история болезни, позволит ещё больше повысит точность прогнозирования. Использование информации о ДНК и учёт семейного анамнеза позволяют всерьёз говорить об индивидуальном медицинском обслуживании.

Оправданы ли опасения

Успех ИИ во многих сферах человеческой деятельности вызывает опасения, связанные с тем, что машины заменят людей, но в действительности бояться нечего. Несмотря на все преимущества искусственного интеллекта нельзя забывать, что это всё ещё компьютерная программа, которая может ошибаться по разным причинам от ошибок в коде до некорректных данных, использованных для обучения. Ценой такой ошибки может стать человеческая жизнь, как едва не произошло при использовании ИИ-решения на базе суперкомпьютера IBM Watson Health в онкологическом центре Memorial Sloan Kettering: лечение, которое назначала нейросеть, было, по словам врачей, смертельно опасно для некоторых больных.

Таким образом, несмотря на все опасения, внедрении любой новой технологии скорее меняет характер работы людей, а не вытесняет их из профессии. Взяв на себя рутину, ИИ обеспечит людям условия для профессионального роста и развития.

Три типа искусственного интеллекта

На сегодняшний день искусственный интеллект ученые определяют, как алгоритмы, способные самообучаться, чтобы применять эти знания для достижения поставленных человеком целей. Системы машинного обучения (основной подраздел ИИ) автоматизировали процессы во всех жизненно важных областях, включая банкинг, ретейл, медицину, безопасность, промышленность.

Выделяют три вида искусственного интеллекта: слабый (Narrow AI), сильный (AGI) и супер-ИИ (Super AI).

Первый вид используются повсеместно (включая голосовых ассистентов, рекламу в соцсетях, распознавание лиц, поиск романтических партнеров в приложениях и так далее); эти системы слабого ИИ единственные доступные на сегодня.

Сильный ИИ максимально приближен к способностям человеческого интеллекта и наделен по классическому определению Тьюринга самосознанием; по мнению экспертов, AGI сформируется примерно к 2075 году, а спустя еще 30 лет придет время для супер-ИИ.

Супер-ИИ мог бы не просто стать подобным людям, но и превзойти лучшие умы человечества во всех областях, при этом перепрограммируя самого себя, продолжая совершенствоваться и, вероятно, разрабатывая новые системы и алгоритмы самостоятельно.

На что способен искусственный интеллект уже сейчас

Оценить динамику может каждый, кто пользуется автоматическими переводчиками. Еще лет пять назад Google Translate более-менее сносно справлялся с отдельными наборами фраз и предложениями, тогда как сегодня программа переводит большие смысловые блоки, нейросети учитывают контекст, оперируют огромными массивами статистических данных. Сейчас можно читать статьи на хинди, китайском, арабском, не зная языка.

ИИ давно используется в финансовой сфере для оценки платежеспособности заемщика. Есть вам отказали в выдаче кредита на первом этапе ― вас отсеял именно искусственный интеллект. В США в некоторых штатах ИИ применяют в судебной системе для оценки продолжительности тюремных сроков для обвиняемых.

На данный момент разработано несколько значимых технологий в сфере искусственного интеллекта.

GPT-3 из области естественной обработки языка (NLP), самая сложная и в то же время гибкая нейронная сеть, способная генерировать статьи почти по любой теме, которые на первый взгляд трудно отличить от созданных человеком.

Нейросеть AlphaFold 2, ставшая прорывом в медицинской науке, способна определять трехмерную структуру белка с высокой точностью всего за несколько часов, в сравнении с традиционными методами.
Алгоритмы AutoML (автоматизированное машинное обучение) сделали ИИ доступным малому и среднему бизнесу благодаря интеграции с облачными системами (например, MLSpace от SberCloud, Microsoft Azure или AutoML от Google). Используя среду разработки, предприятия могут написать свои алгоритмы, к примеру, для обработки обращений клиентов или улучшения прогнозирования спроса.

Искусственный интеллект превосходит людей по IQ и креативности: в викторинах он набирает на 40% больше баллов, по вопросам SAT (тест для оценки знаний абитуриентов США) — на 15% больше баллов, чем средний абитуриент колледжа.

Роль ИИ в экономике

PwC прогнозирует увеличение мирового ВВП на $15,7 трлн к 2030 году благодаря развитию искусственного интеллекта. К этому времени Китай станет ведущей мировой державой в сфере ИИ с увеличением ВВП на 26%, Северная Америка будет следующей с ростом ВВП на 14,5%, за ней последует рост на 11–12% в крупнейших экономиках Европы. Развивающиеся страны получат наименьшую выгоду, поэтому есть риск усиления цифрового неравенства.

Влияние пандемии на внедрение ИИ в бизнесе

Почти три четверти бизнес-лидеров положительно оценивают роль ИИ после пандемии и сопутствующего кризиса. Большинство руководителей (74%) не только ожидают рост эффективности бизнес-процессов, но и создание новых бизнес-моделей (55%), новых продуктов и услуг (54%) — благодаря внедрению ИИ.

По мнению экспертов Оксфордского университета, к 2026 году ИИ напишет эссе, которое сойдет за написанное человеком, заменит водителей грузовиков к 2027 году и станет выполнять работу хирурга к 2053 году. Также ИИ превзойдет людей во всех задачах в течение 45 лет и автоматизирует все рабочие места в течение 120 лет.

Консалтинговая компания Accenture утверждает, что ИИ способен увеличить прибыль компаний в среднем на 38%. По словам экспертов и представителей бизнеса, ИИ помогает компаниям прогнозировать и выявлять проблемы, а также восполняет нехватку навыков сотрудников, хотя до построения бизнес-стратегии искусственным интеллектом еще далеко.

Большинство опрошенных компаний инвестируют в ИИ (90%) и согласны с тем, что данные технологии способствуют развитию бизнеса, выяснили MIT Sloan Management Review и BCG. Тем не менее, компании так и не научились извлекать из ИИ реальную выгоду. И это не единственный проблемный момент в сфере искусственного интеллекта.

Основные вызовы технологии ИИ

Бизнес-процессы

Чтобы компания извлекала прибыль, недостаточно вложить средства в алгоритм и получить первые успешные результаты после запуска пилотного проекта. Внедрение ИИ — это многоуровневый процесс, включающий культурные изменения в компании, найм и обучение специалистов по data science, автоматизацию и построение бизнес-процессов с учетом алгоритмов, и на этом весь список не заканчивается.

Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.

Такие гиганты как Alibaba, Amazon, Facebook, Google массово используют глубокие искусственные нейронные сети, например, Long-Short-Term Memory, чтобы предсказать спрос пользователей и дольше удерживать их на своих платформах, заставляя переходить по большему количеству рекламных объявлений.

Нехватка специалистов

Спрос на ИИ-специалистов вырос на 74% за 2016–2019 годы, сейчас две из пяти компаний, использующих ИИ на продвинутом уровне, отмечают острую нехватку специалистов, трудности с наймом также возглавляют список проблем в области ИИ.

Проблемы машинного обучения

На качество влияет и степень предвзятости, или bias, включая гендерные и расовые предрассудки, которым может быть подвержен человек, работающий с алгоритмом.

Количество данных. Помимо качества, компьютеру все еще требуется большой объем данных и ресурсов для выполнения простейших задач. Отличать собак от кошек ИИ научится за три дня, задействуя 10 млн изображений и 16 000 компьютеров, в то время как ребенку хватило бы пары фотографий и нескольких минут. Если бы модель GPT-3 обучали читать и писать статьи не на суперкомпьютере, а на обычном ПК, весь процесс занял бы примерно 500 лет.

Применение в другом контексте. Хотя искусственный интеллект сегодня способен выполнять различные функции — от распознавания кошек и собак до предсказания поломок на нефтяных платформах, — это все еще узконаправленные задачи. ИИ пока что не умеет применять полученные навыки в непривычных условиях.

Влияние на климат

Проблема потребления энергии искусственным интеллектом напрямую связана с количеством ресурсов, задействованных в обработке данных. Обучение же одной NLP-модели (подобной GPT) требует столько же энергии, сколько автомобиль за весь его срок службы, и производит в пять раз больше CO₂.

Во всем мире центры обработки данных потребляют около 200 ТВт·ч электроэнергии в год — больше, чем некоторые страны. В то же время, есть и противоположный эффект — ИИ поможет снизить выбросы парниковых газов на 1,5–4% к 2030 году, согласно отчету Европейского парламента.

Использование ИИ в науке

Машинное обучение стало ключевым инструментом исследователей из разных областей, однако потенциал ИИ в науке еще предстоит раскрыть, отмечает Леонид Жуков. Стимулирование новых открытий с помощью ИИ актуально, например, в области создания новых материалов при помощи вычислений или в прогнозировании изменений климата для разработки стратегий повышения устойчивости к изменениям окружающей среды. Например, в рамках стремления к достижению углеродной нейтральности, ученые из группы поиска новых материалов Института AIRI совместно со Сбербанком разработали прототипы моделей, позволяющих оптимизировать контроль качества на производстве солнечных батарей.

В перспективе машинное обучение может активнее применяться для охраны дикой природы в малодоступных регионах и подсчете особей, понимания сложной органической химии и в исследовании темной материи.

Искусственный интеллект – это технология, а точнее направление современной науки, которое изучает способы обучить компьютер, роботизированную технику, аналитическую систему разумно мыслить также как человек. Собственно мечта об интеллектуальных роботах-помощниках возникла задолго до изобретения первых компьютеров.

Людей в середине 50-х годов прошлого столетия сильно поразили возможности вычислительных машин, особенно способности ЭВМ, безошибочно выполнять множество задач одновременно. В головах ученых и писателей сразу возникли фантастические идеи о мыслящих машинах. Именно в этот период начинают зарождаться первые технологии искусственного интеллекта.

Исследования в сфере ИИ ведутся путем изучения умственных способностей человека и переложения полученных результатов в поле деятельности компьютеров. Таким образом, искусственный интеллект получает информацию из самых разных источников и дисциплин. Это и информатика, математика, лингвистика, психология, биология, машиностроение. На основе массива данных с помощью технологии машинного обучения компьютеры пытаются имитировать интеллект человека.

Главные цели ИИ достаточно прозрачны:

Создание аналитических систем, которые обладают разумным поведением, могут самостоятельно или под надзором человека обучаться, делать прогнозы и строить гипотезы на основе массива данных.
Реализация интеллекта человека в машине – создание роботов-помощников, которые могут вести себя как люди: думать, учиться, понимать и выполнять поставленные задачи.

История развития искусственного интеллекта

В 1943-45 годах закладываются основы для понимания и создания нейронных сетей, а уже в 1950 году Алан Тьюринг публикует в научном издании анализ интеллектуальной шахматной игры. В 1958 году появляется первый язык программирования искусственного интеллекта – Лисп.

В период с 1960 по 1970 ряд ученых доказали, что компьютеры способны понимать естественный язык на достаточно хорошем уровне. В 1965 году разработали Элизу – первого робота-помощника, который мог говорить на английском языке. В эти же годы направление ИИ стало привлекать правительственные и военные организации США, СССР и других стран. Так Министерство обороны США уже к 70-м годам запустило проект виртуальных уличных карт – прототип GPS.

В 1969 году ученые Стэнфордского университета создали Шеки – робота с ИИ, способного самостоятельно перемещаться, воспринимать некоторые данные и решать несложные задачи.

В Эдинбургском университете четырьмя годами позже (1973) был создан робот Фредди – это шотландский представитель семейства ИИ мог использовать компьютерное зрение для того, чтобы находить и собирать разные модели.

80-е годы XX века стали прорывными для ИИ. Учеными были разработаны обучающие машины – интеллектуальные консультанты, которые предлагали варианты решений, умели самообучаться на начальном уровне, общались с человеком на ограниченном, но уже естественном языке.

Интересен факт, что в 1989 году другая шахматная программа Deep Thought обыграла гроссмейстера международного уровня Бента Ларсена. После этого поединка машины и человека, Гарри Каспаров заявил:

С 2008 начинается эра технологической сингулярности, которая по расчетам экспертов должна выйти в зенит в 2030 году. Начинается интеграция человека с вычислительными машинами, увеличиваются возможности человеческого мозга, появляются биотехнологии.

Принципы ИИ

Робот или система с искусственным интеллектом не может навредить человеку своим действием или же своим бездействием допустить, чтобы человеку был приченен вред.
Робот должен повиноваться приказам, которые получает от человека, кроме тех, которые противоречат Первому закону.
Робот должен заботиться о своей безопасности, если это не противоречит Первому и Второму Законам.

0. Робот не может навредить человеку, если только не докажет, что в конечном итоге это (вред) будет полезно для всего человечества.

Разобравшись с этическими законами, перейдем к технологическим принципам искусственного интеллекта:

Кроме того, трудно представить существование искусственного интеллекта без мощных графических процессоров, которые являются сердцем интерактивной обработки данных. Для интеграции ИИ в различные программы и устройства необходима технология API – программные интерфейсы приложений. Используя API можно без труда добавлять технологии искусственного интеллекта в любые компьютерные системы: домашняя безопасность, умный дом, оборудование на ЧПУ и прочее.

Сфера использования ИИ

Искусственный интеллект постепенно приходит во все отрасли человеческой деятельности, делая обычные программные комплексы интеллектуальными:

Основные проблемы ИИ

Как вы понимаете возможности искусственного интеллекта на данной стадии развития не безграничны. Перечислим главные трудности:

Резюме

Мы познакомились с понятием, что такое искусственный интеллект. Изучили основные принципы: этические и технологические. Рассмотрели главные препятствия на пути развития ИИ. Искусственный интеллект тесно связан с развитием компьютерной техники, а также таких наук как математика, статистика, комбинаторика и других.

Читайте также: