Искусственный интеллект ии. Когда будет создан первый искусственный интеллект? Далекое будущее уже не за горами

«Мы находимся на пороге величайших изменений, сравнимых с эволюцией человека», — Писатель-фантаст Вернор Стефан Виндж

Что бы вы почувствовали, если бы узнали, что стоите на пороге грандиозных изменений, как человечек, изображенный на графике ниже?

Вертикальная ось — развитие человечества, горизонтальная ось — время

Волнующе, не правда ли?

Однако если скрыть часть графика, то все выглядит куда более прозаично.

Далекое будущее уже не за горами

Представьте себе, что вы очутились в 1750 году. В те времена люди еще не слышали об электричестве, общение на расстоянии осуществлялось при помощи факелов, а единственное средство передвижения перед поездкой необходимо было накормить сеном. И вот вы решаете взять с собой «человека из прошлого» и показать ему жизнь в 2016 году. Невозможно даже представить себе, что бы он почувствовал, очутившись на широких ровных улицах, по которым носятся автомобили. Ваш гость невероятно удивился бы тому, что современные люди могут общаться, даже если находятся на разных сторонах Земного шара, следить за спортивными мероприятиями в других странах, смотреть концерты 50-летней давности, а также сохранять любой момент времени на фото или видео. А если рассказать этому человеку из 1750 года об Интернете, Международной космической станции, Большом адронном коллайдере и Теории относительности, его представление о мире наверняка бы рухнуло. Он мог бы даже умереть от переизбытка впечатлений.

Но вот что интересно: если ваш гость вернулся бы в свой «родной» век и решил осуществить аналогичный эксперимент, прокатив на машине времени человека из 1500 года, то хотя прибывшего из прошлого тоже могло бы многое удивить, его опыт не был бы таким же впечатляющим — разница между 1500 и 1750 годами не настолько ощутима, как между 1750 и 2016-м.

Если человек из 18 века захочет произвести впечатление на гостя из прошлого, то ему придется пригласить кого-то, жившего в 12 000 году до нашей эры, еще до Великой аграрной революции. Он действительно мог бы быть «сражен наповал» развитием технологий. Увидев высокие колокольни церквей, корабли, бороздящие просторы океанов, города с тысячами жителей, он лишился бы чувств от нахлынувших эмоций.

Темпы развития технологий и общества постоянно увеличиваются. Известный американский изобретатель и футуролог Рэймонд Курцвейл называет это термином «Закон ускорения истории». Так происходит потому, что внедрение новых технологий позволяет обществу развиваться все более быстрыми темпами. Например, люди, жившие в 19 столетии, обладали более развитыми технологиями, чем в 15-м. Поэтому неудивительно, что 19 век принес человечеству больше достижений, чем 15-й.

Но если технологии развиваются все быстрее и быстрее, нам следует ожидать множество величайших изобретений в будущем, не так ли? Если Курцвейл и его единомышленники правы, то в 2030 году мы испытаем такие же эмоции, как и человек, попавший из 1750 года в наш. А к 2050 году мир настолько изменится, что мы с трудом сможем различить в нем черты предшествующих десятилетий.

Все вышесказанное не является фантастикой — это научно подтверждено и вполне логично. Однако многие все еще скептически воспринимают подобные заявления. Так происходит по ряду причин:

1. Многие считают, что развитие общества происходит равномерно и прямолинейно. Когда мы думаем о том, каким будет мир через 30 лет, мы вспоминаем, что же произошло за последние 30 лет. В этот момент мы совершаем такую же ошибку, как и человек из примера выше, живший в 1750 году и пригласивший гостя из 1500 года. Чтобы правильно представить себе предстоящий прогресс, нужно вообразить, что развитие происходит куда более быстрыми темпами, чем в далеком прошлом.

2. Мы неправильно воспринимаем траекторию развития современного общества. Например, если мы посмотрим на небольшой отрезок экспоненциальной кривой, нам может показаться, что это прямая линия (так же, как если бы мы смотрели на часть окружности). Однако экспоненциальный рост не является ровным и гладким. Курцвейл объясняет, что прогресс представляет собой s-образную кривую, как показано на графике ниже:

Каждый «виток» развития начинается с внезапного скачка, который затем сменяется устойчивым и постепенным ростом.

Итак, каждый новый «виток» развития делится на несколько этапов:

1. Медленный рост (ранняя фаза развития);
2. Быстрый рост (вторая, «взрывная» фраза развития);
3. «Выравнивание», когда новая технология доводится до совершенства.

Если взглянуть на недавние события, то можно прийти к выводу о том, что мы не вполне осознаем, как быстро происходит развитие технологий. Например, в промежуток времени между 1995 и 2007 годом мы могли наблюдать появление Интернета, Microsoft, Google и Facebook, социальных сетей, мобильных телефонов, а затем и смартфонов. Но период времени между 2008 и 2016 годами был не так богат на открытия, по крайней мере в сфере высоких технологий. Таким образом, мы сейчас находимся на 3 этапе s-образной линии развития.

3. Многие люди являются заложниками собственного жизненного опыта, который искажает их представление о будущем. Когда мы слышим какое-либо предсказание относительно будущего, которое противоречит нашей точке зрения, основанной на предыдущем опыте, мы считаем это суждение наивным. Например, если вам сегодня скажут, что в будущем люди будут жить по 150-250 лет или , то скорее всего вы ответите: «Это глупо, ведь отлично известно, что все смертны». И действительно, все люди, когда-либо жившие в прошлом, умерли и продолжают умирать и сегодня. Но стоит заметить, что на самолетах тоже никто не летал, пока их наконец не изобрели.

На самом деле в предстоящие несколько десятилетий изменится очень многое, а изменения будут настолько значимыми, что сейчас трудно даже представить себе это. Прочитав данную статью до конца, вы сможете узнать больше о том, что сейчас происходит в мире науки и высоких технологий.

Что такое искусственный интеллект (ИИ)?

1. ИИ ассоциируется у нас с кинофильмами вроде «Звездных войн», «Терминатора» и так далее. В связи с этим мы относимся к нему как к выдумке.

2. ИИ - это довольно широкое понятие. Оно относится как к карманным калькуляторам, так и к автомобилям, управляемым без участия человека. Такое разнообразие сбивает с толку.

3. Мы используем искусственный интеллект в повседневной жизни, но не осознаем этого. Мы воспринимаем ИИ как нечто мифическое из мира будущего, поэтому нам тяжело осознать, что он уже окружает нас.

В связи с этим, необходимо раз и навсегда разобраться в нескольких вещах. Во-первых, искусственный интеллект - это не робот. Робот - это своеобразная оболочка ИИ, которая иногда имеет очертания человеческого тела. Однако искусственный интеллект - это компьютер внутри робота. Его можно сравнить с мозгом внутри тела человека. Например, а женский голос, который мы слышим, это всего лишь персонификация.

Во-вторых, вы, вероятно уже сталкивались с таким понятием, как «сингулярность» или «технологическая сингулярность». Этот термин использовался для описания ситуации, в которой не действуют привычные законы и правила. Данное понятие используется в физике, чтобы описать черные дыры или момент сжатия Вселенной до Большого взрыва. В 1993 году Вернор Винж опубликовал свое знаменитое эссе, в котором использовал сингулярность для определения такого момента в будущем, когда искусственный интеллект превзойдет наш собственный. По его мнению, когда этот момент настанет, мир со всеми его правилами и законами, перестанет существовать как раньше.

Наконец, существует несколько видов искусственного интеллекта, среди которых можно выделить три основные категории:

1. Ограниченный Искусственный Интеллект (ANI, Artificial Narrow Intelligence). Он представляет собой ИИ, специализирующийся в одной конкретной области. Например, может победить чемпиона мира по шахматам в шахматной партии, но это все, на что он способен.

2. Общий Искусственный Интеллект (AGI, Artificial General Intelligence). Такой ИИ представляет собой компьютер, чей интеллект напоминает человеческий, то есть он может выполнять все те же задачи, что и человек. Профессор Линда Готтфредсон описывает этот феномен так: «Общий ИИ воплощает в себе генерализованные мыслительные способности, среди которых также отмечается умение обосновывать, планировать, решать проблемы, мыслить абстрактно, сравнивать комплексные идеи, быстро обучаться, использовать накопленный опыт».

3. Искусственный Суперинтеллект (ASI, Artificial Superintelligence). Шведский философ и профессор Оксфордского Университета Ник Бостром дает следующее определение суперинтеллекту: «Это интеллект, который превосходит человеческий практически во всех областях, включая научные изобретения, общие познания и социальные навыки».

В настоящее время человечество уже с успехом применяет ограниченный ИИ. Мы находимся на пути к освоению AGI. В следующих разделах статьи будет подробно рассмотрена каждая из этих категорий.

Мир, управляемый Ограниченным Искусственным Интеллектом

Ограниченный искусственный интеллект - это машинный разум, который по своей эффективности равен или превосходит человеческий в решении узких задач. Ниже представлено несколько примеров:

• беспилотный автомобиль от компании Google, который распознает и реагирует на различные препятствия на своем пути;
• является «пристанищем» различных форм ограниченного ИИ. Когда вы передвигаетесь по городу при помощи подсказок навигатора, получаете музыкальные рекомендации от Pandora, сверяетесь с прогнозом погоды, общаетесь с Siri, вы используете ANI;
• спам-фильтры в вашей электронной почте — вначале они учатся распознавать спам, а затем, анализируя свой предыдущий опыт и ваши предпочтения, перемещают письма в специальную папку;
• перводчик Google Translate - классический пример ограниченного ИИ, который достаточно хорошо справляется со своей узкой задачей;
• в момент приземления самолета специальная система на основе ИИ определяет, через какой гейт должны выходить пассажиры.

Системы ограниченного искусственного интеллекта не представляют никакой угрозы для человека. В худшем случае сбой в такой системе может вызвать локальную катастрофу вроде скачка напряжения или небольшого обвала на финансовом рынке.

Каждое новое изобретение в сфере ограниченного ИИ на шаг приближает нас к созданию общего искусственного интеллекта.

Почему это так сложно?

Если бы вы попытались создать компьютер, схожий по своему интеллекту с человеческим, то вы бы стали по настоящему ценить свою способность мыслить. Констуирование небоскребов, запуск ракет в космос, исследование теории Большого Взрыва - все это намного легче осуществить, чем изучить мозг человека. На сегодняшний момент наш разум является самым сложным объектом в обозримой Вселенной.

Самое интересное заключается в том, что сложности при создании общего ИИ возникают в самых, казалось бы, простых вещах. Например, создать устройство, которое могло бы за долю секунды умножать десятизначные числа, не составляет труда. В это же время невероятно сложно написать программу, которая могла бы распознать, кто находится перед монитором: кошка или собака. Создать компьютер, который обыграет человека в шахматы? Легко! Заставить машину прочитать и понять написанное в детской книжке? Google тратит миллиарды долларов на то, чтобы решить эту задачу. Такие вещи как математические расчеты, создание финансовых стратегий, перевод с одного языка на другой, уже решены при помощи ИИ. Однако, зрение, восприятие, жесты, передвижение в пространстве пока еще остаются нерешенными проблемами для компьютеров.

Эти навыки кажутся простыми для человека, потому что они развивались в течение миллионов лет эволюции. Когда вы протягиваете руку, чтобы взять какой-либо предмет, ваши мышцы, связки и кости совершают целую серию операции, которые согласуются с тем, что видят ваши глаза.

С другой стороны, умножение больших чисел, игра в шахматы - это совершенно новые действия для биологических существ. Вот почему компьютеру очень просто превзойти нас в этом. Задумайтесь, какую программу вы предпочли бы создать: которая могла бы быстро умножать большие числа или просто распознавать букву Б из тысяч других, написанных разными шрифтами?

Еще один забавный пример: взглянув на изображение ниже, и вы, и компьютер сможете безошибочно установить, что на нем представлен прямоугольник, состоящий из квадратов двух разных оттенков:

Но, стоит удалить черный фон, как перед нами откроется полная, ранее скрытая картина:

Человеку не составит никакого труда назвать и описать все фигуры, которые он видит на этом рисунке. Однако компьютер не справится с этой задачей. А проанализировав изображение ниже, он сделает заключение о том, что перед ним комбинация из множества двухмерных объектов белого, черного и серого цветов. При этом человек с легкостью скажет, что на рисунке изображен черный камень:

Все, что было упомянуто выше, касалось лишь восприятия и обработки статичной информации. Чтобы сравниться по уровню интеллекта с человеком, компьютеру нужно научиться распознавать мимику, жесты и так далее. Но как же добиться всего этого?

Первый шаг на пути к созданию общего ИИ - увеличение мощности компьютеров

Очевидно, что если мы собираемся создавать «умные» компьютеры, то они должны обладать такими же мыслительными способностями, как и человек. Одним из способов добиться этого является увеличение количества операций в секунду. Для этого необходимо вычислить, сколько операций в секунду выполняет каждая структура мозга человека.

Рэй Курцвейл произвел некоторые вычисления и сумел получить число в размере 10 000 000 000 000 000 операций в секунду. Приблизительно такой производительностью обладает мозг человека.

В настоящее время самым мощным суперкомпьютером является китайский Tianhe-2, чья производительность составляет 34 квадрильона операций в секунду. Однако размеры этого суперкомпьютера впечатляют - он занимает площадь в 720 квадратных метров и стоит $390 000 000 долларов.

Итак, если посмотреть с технической стороны, то у нас уже есть компьютер, сравнимый по производительности с мозгом человека. Он недоступен массовому потребителю, но в течение десяти лет станет таковым. Однако производительность - не единственное, что способно наделить компьютер интеллектом как у человека. Следующий вопрос: как сделать мощный компьютер разумным?

Второй шаг на пути к созданию общего ИИ - наделить машину интеллектом

Это самая сложная часть процесса, ведь никто на самом деле не знает, как сделать компьютер «умным». До сих пор ведутся споры о том, как наделить машину возможностью отличать кошек от собак или распознавать букву Б. Однако, существует несколько стратегий, некоторые из которых кратко описаны ниже:

1. Копирование мозга человека

В настоящее время ученые работают над так называемым обратным проектированием мозга человека. По оптимистичным прогнозам, это работа завершится к 2030 году. Как только проект будет создан, мы сможем узнать все секреты нашего мозга и черпать из этого новые идеи. Примером подобной системы является искусственная нейронная сеть.

Другой более экстремальной идеей является полная имитация функций мозга человека. В ходе этого эксперимента планируется разрезать мозг на множество тончайших слоев и просканировать каждый из них. Затем используя специальную программу, нужно будет создать 3D-модель, а затем внедрить ее в мощный компьютер. После этого мы получим устройтство, которое официально будет обладать всеми функциями мозга человека - ему останется лишь собирать информацию и учиться.

Как долго нам осталось ждать того момента, когда ученые смогут создать точную копию мозга человека? Достаточно долго, ведь на сегодняшний день специалистам не удалось скопировать даже 1мм слоя мозга, состоящий из 302 нейронов (наш мозг состоит и 100 000 000 000 нейронов).

2. Повторение эволюции мозга человека

Создание «умного» компьютера теоретически возможно, и эволюция нашего собственного мозга является тому подтверждением. Если мы не можем создать точную копию мозга, мы можем постараться имитировать его эволюцию. На самом деле, к примеру, построить самолет невозможно, просто скопировав крылья птицы. Чтобы создать качественный летательный аппарат, лучше использовать какой-то другой подход.

Каким же образом можно симулировать эволюционный процесс для создания общего ИИ? Этот метод называется генетическим алгоритмом. Суть этого подхода заключается в том, что задачи оптимизации и моделирования решаются с использованием механизмов, аналогичных естественному отбору в живой природе. Несколько компьютеров будут выполнять различные задачи, и те из них, что окажутся наиболее эффективными, будут «скрещены» друг с другом. Машины, не справившиеся с задачей, будут исключены. Таким образом, спустя множество повторений данного эксперимента, алгоритм естественного отбора будет создавать все более качественный компьютер. Трудность здесь заключается в автоматизации процесса эволюции и «скрещивания», ведь эволюционный процесс должен идти сам по себе.

Недостатком описанного метода является то, что в природе эволюции требуются миллионы лет, а нам нужны результаты в течение пары десятилетий.

3. Передача всех задач компьютеру

Когда ученые приходят в отчаяние, они пытаются создать программу, которая бы тестировала сама себя. Это может стать самым многообещающим методом создания общего ИИ.

Идея заключается в том, чтобы создать такой компьютер, чьими главными функциями будет исследовании ИИ и кодирование изменений. Такой компьютер будет не только самостоятельно обучаться, но и изменять свою собственную архитектуру. Ученые планируют научить компьютер быть исследователем, главной задачей которого станет развитие собственного интеллекта.

Все это может произойти уже совсем скоро

Постоянное совершенствование компьютеров и проведение инновационных экспериментов с новым ПО происходят параллельно. Общий искусственный интеллект может появиться быстро и неожиданно по двум основным причинам:

1. Экспоненциальный темп роста кажется очень медленным, однако он может ускориться в любой момент.

2. Когда дело касается программного обеспечения, то, кажется, что прогресс происходит очень медленно, однако единственное открытие может в мгновение ока вывести нас на новый уровень развития. Например, всем нам известно, что ранее люди думали, что в центре Вселенной находится Земля. В связи с этим возникало множество трудностей при изучении космоса. Однако, затем система мира неожиданно сменилась на гелиоцентрическую. Как только представления кардинально изменились, новые исследования стали возможными.

На пути от ограниченного ИИ к Искусственному Суперинтеллекту

В определенный момент развития ограниченного ИИ компьютеры начнут превосходить нас. Дело в том, что искусственный интеллект, идентичный мозгу человека, будет иметь несколько преимуществ над людьми, среди которых можно выделить следующие:

Скорость. Нейроны нашего мозга работают с максимальной частотой в 200Гц, в то время как современные микропроцессоры - с 2ГГц, или в 10 миллионов раз быстрее.

Размеры. Мозг человека ограничен размерами черепа и поэтому он не может стать больше. Компьютер может иметь любой размер, предоставляя больше места для хранения файлов.

Надежность и длительность работы. Компьютерные транзисторы работают с большей точностью, чем нейроны мозга. Кроме того, их легко можно починить или заменить. Мозг человека имеет свойство утомляться, в то время как компьютер может работать на полную мощность круглые сутки.

Искусственный интеллект, запрограммированный на постоянное самосовершенствование, не станет ограничивать себя какими-либо пределами. Это означает, что, достигнув уровня человеческого интеллекта, машина не остановится на этом.

Разумеется, когда компьютер станет «умнее» нас, это будет шоком для всего человечества. На самом деле, большинство из нас имеют искаженное представление об интеллекте, которое выглядит так, как показано на рисунке:

Наше искаженное представление об интеллекте.

Горизонтальная ось — время, вертикальная ось — интеллект.

Уровни интеллекта идут снизу вверх: муравей, птица, шимпанзе, недалекий человек, Эйнштейн. Между глупым человеком и Эйнштейном находится человек, который говорит: «Ха-ха! Эти забавные роботы ведут себя как обезьяны!»

Красным цветом обозначено развитие искусственного интеллекта.

Итак, кривая развития искусственного интеллекта на графике стремится достигнуть уровня человека. Мы наблюдаем, как машина постепенно становится умнее животного. Однако как только ИИ доберется до уровня «недалекий человек» или, как выразился Ник Бостром, «деревенский дурачок», это будет означать, что был создан общий искусственный интеллект. В таком случае компьютеру не составит труда достигнуть уровня Эйнштейна. Это бурное развитие показано на рисунке ниже:

Но что же произойдет потом?

Интеллектуальный взрыв

Здесь нелишним будет напомнить о том, что все написанное в этой статье является описание реальных научных прогнозов, составленных уважаемыми учеными.

В любом случае, большинство моделей ограниченного искусственного интеллекта включают в себя функцию самосовершенствования. Но даже, если создать ИИ, в котором изначально не предусмотрена такая функция, то, достигнув уровня человеческого интеллекта, компьютер приобретет способность обучаться самостоятельно по своему желанию. В результате этого машинный разум постепенно разовьется и станет суперинтеллектом, который будет во много раз превосходить человеческий разум.

В настоящее время ведутся споры о том, когда же ИИ достигнет уровня человеческого интеллекта. Сотни ученых сходятся во мнении, что это произойдет примерно в 2040 году. Не слишком большой срок, не правда ли?

Итак, искусственному интеллекту понадобятся десятилетия, чтобы достигнуть уровня человеческого разума, но, в конце концов, это произойдет. Компьютеры научатся понимать мир, окружающий их, так же, как это осознает 4-летний ребенок. Внезапно, усвоив эту информацию, система освоит теоретическую физику, квантовую механику и теорию относительности. Через полтора часа ИИ превратится в искусственный суперинтеллект, в 170 тысяч раз превосходящий возможности мозга человека.

Суперинтеллект - это такой феномен, который мы не в силах даже отчасти осознать. В нашем представлении умный человек имеет IQ 130, а глупый - менее 85. Но какое слово можно подобрать для существа с IQ 12952?

Интеллект является синонимом власти, вот почему на данный момент человек находится на вершине эволюции, подчиняя себе всех прочих живых существ. Это означает, что с появлением искусственного суперинтеллекта мы перестанем быть «венцом природы». Мы будем подчинены сверхразуму.

Если наш ограниченный мозг сумел создать Wi-fi, представьте себе, что может сотворить разум, превосходящий нас в сотни, тысячи и даже миллионы раз. Этот разум сможет контролировать местонахождение каждого атома на планете. Все, что мы сейчас считаем магией или властью Бога, станет повседневной задачей сверхинтеллекта. Сверхразум сможет победить старость, исцелять болезни, уничтожить голод и даже смерть. Он даже сможет перепрограммировать погоду, чтобы защитить жизнь на Земле. Но суперинтеллект сможет в мгновение ока и разрушить жизнь на планете. В нашем сегодняшнем понимании действительности, рядом с нами поселится Бог в роли сверхинтеллекта. Единственный вопрос, который нам следует задать самим себе: будет ли это добрый Бог?

Искусственный интеллект создал нейросеть December 15th, 2017

Дожили до того момента, когда искусственный интеллект создаёт собственную нейросеть. Хотя многие думают, что это одно и тоже. Но на самом деле не всё так просто и сейчас мы попробуем разобраться что это такое и кто кого может создать.

Инженеры из подразделения Google Brain весной текущего года продемонстрировали AutoML. Этот искусственный интеллект умеет без участия человека производить собственные уникальнейшие ИИ. Как выяснилось совсем недавно, AutoML смог впервые создать NASNet, систему компьютерного зрения. Данная технология серьёзно превосходит все созданные ранее людьми аналоги. Эта основанная на искусственном интеллекте система может стать отличной помощницей в развитии, скажем, автономных автомобилей. Применима она и в робототехнике - роботы смогут выйти на абсолютно новый уровень.

Развитие AutoML проходит по уникальной обучающей системе с подкреплением. Речь идёт о нейросети-управленце, самостоятельно разрабатывающей абсолютно новые нейросети, предназначенные для тех или иных конкретных задач. В указанном нами случае AutoML имеет целью производство системы, максимально точно распознающей в реальном времени объекты в видеосюжете.

Искусственный интеллект сам смог обучить новую нейронную сеть, следя за ошибками и корректируя работу. Обучающий процесс повторялся многократно (тысячи раз), до тех пор, пока система не оказалась годной к работе. Любопытно, что она смогла обойти любые аналогичные нейросети, имеющиеся в настоящее время, но разработанные и обученные человеком.

При этом AutoML оценивает работу NASNеt и использует эту информацию для улучшения дочерней сети; этот процесс повторяется тысячи раз. Когда инженеры протестировали NASNet на наборах изображений ImageNet и COCO, она превзошла все существующие системы компьютерного зрения.

В Google официально заявили, что NASNet распознаёт с точностью равной 82,7%. Результат на 1.2 % превышает прошлый рекорд, который в начале осени нынешнего года установили исследователи из фирмы Momenta и специалисты Оксфорда. NASNet на 4% эффективнее своих аналогов со средней точностью в 43,1%.

Есть и упрощённый вариант NASNet, который адаптирован под мобильные платформы. Он превосходит аналоги чуть больше, чем на три процента. В скором будущем можно будет использовать данную систему для производства автономных автомобилей, для которых важно наличие компьютерного зрения. AutoML же продолжает производить новые потомственные нейросети, стремясь к покорению ещё больших высот.

При этом, конечно, возникают этические вопросы, связанные с опасениями по поводу ИИ: что, если AutoML будет создавать системы с такой скоростью, что общество просто за ними не поспеет? Впрочем, многие крупные компании стараются учитывать проблемы безопасности ИИ. Например, Amazon, Facebook, Apple и некоторые другие корпорации являются членами Партнерства по развитию ИИ (Partnership on AI to Benefit People and Society). Институт инженеров и электротехники (IEE) же предложил этические стандарты для ИИ, а DeepMind, например, анонсировал создание группы, которая будет заниматься моральными и этическими вопросами, связанными с применениями искусственного интеллекта.

Впрочем, многие крупные компании стараются учитывать проблемы безопасности ИИ. При этом, конечно, возникают этические вопросы, связанные с опасениями по поводу ИИ: что, если AutoML будет создавать системы с такой скоростью, что общество просто за ними не поспеет? Институт инженеров и электротехники (IEE) же предложил этические стандарты для ИИ, а DeepMind, например, анонсировал создание группы, которая будет заниматься моральными и этическими вопросами, связанными с применениями искусственного интеллекта. Например, Amazon, Facebook, Apple и некоторые другие корпорации являются членами Партнерства по развитию ИИ (Partnership on AI to Benefit People and Society).

Что такое искусственный интеллект?

Автором термина «искусственный интеллект» является Джон Маккарти, изобретатель языка Лисп, основоположник функционального программирования и лауреат премии Тьюринга за огромный вклад в области исследований искусственного интеллекта.
Искусственный интеллект — это способ сделать компьютер, компьютер-контролируемого робота или программу способную также разумно мыслить как человек.

Исследования в области ИИ осуществляются путем изучения умственных способностей человека, а затем полученные результаты этого исследования используются как основа для разработки интеллектуальных программ и систем.

Что такое нейронная сеть?

Идея нейросети заключается в том, чтобы собрать сложную структуру из очень простых элементов. Вряд ли можно считать разумным один-единственный участок мозга — а вот люди обычно на удивление неплохо проходят тест на IQ. Тем не менее до сих пор идею создания разума «из ничего» обычно высмеивали: шутке про тысячу обезьян с печатными машинками уже сотня лет, а при желании критику нейросетей можно найти даже у Цицерона, который ехидно предлагал до посинения подбрасывать в воздух жетоны с буквами, чтобы рано или поздно получился осмысленный текст. Однако в XXI веке оказалось, что классики ехидничали зря: именно армия обезьян с жетонами может при должном упорстве захватить мир.
На самом деле нейросеть можно собрать даже из спичечных коробков: это просто набор нехитрых правил, по которым обрабатывается информация. «Искусственным нейроном», или перцептроном, называется не какой-то особый прибор, а всего лишь несколько арифметических действий.

Работает перцептрон проще некуда: он получает несколько исходных чисел, умножает каждое на «ценность» этого числа (о ней чуть ниже), складывает и в зависимости от результата выдаёт 1 или -1. Например, мы фотографируем чистое поле и показываем нашему нейрону какую-нибудь точку на этой картинке — то есть посылаем ему в качестве двух сигналов случайные координаты. А затем спрашиваем: «Дорогой нейрон, здесь небо или земля?» — «Минус один, — отвечает болванчик, безмятежно разглядывая кучевое облако. — Ясно же, что земля».

«Тыкать пальцем в небо» — это и есть основное занятие перцептрона. Никакой точности от него ждать не приходится: с тем же успехом можно подбросить монетку. Магия начинается на следующей стадии, которая называется машинным обучением. Мы ведь знаем правильный ответ — а значит, можем записать его в свою программу. Вот и получается, что за каждую неверную догадку перцептрон в буквальном смысле получает штраф, а за верную — премию: «ценность» входящих сигналов вырастает или уменьшается. После этого программа прогоняется уже по новой формуле. Рано или поздно нейрон неизбежно «поймёт», что земля на фотографии снизу, а небо сверху, — то есть попросту начнёт игнорировать сигнал от того канала, по которому ему передают x-координаты. Если такому умудрённому опытом роботу подсунуть другую фотографию, то линию горизонта он, может, и не найдёт, но верх с низом уже точно не перепутает.

В реальной работе формулы немного сложнее, но принцип остаётся тем же. Перцептрон умеет выполнять только одну задачу: брать числа и раскладывать по двум стопкам. Самое интересное начинается тогда, когда таких элементов несколько, ведь входящие числа могут быть сигналами от других «кирпичиков»! Скажем, один нейрон будет пытаться отличить синие пиксели от зелёных, второй продолжит возиться с координатами, а третий попробует рассудить, у кого из этих двоих результаты ближе к истине. Если же натравить на синие пиксели сразу несколько нейронов и суммировать их результаты, то получится уже целый слой, в котором «лучшие ученики» будут получать дополнительные премии. Таким образом достаточно развесистая сеть может перелопатить целую гору данных и учесть при этом все свои ошибки.

Нейронную сеть можно сделать с помощью спичечных коробков — тогда у вас в арсенале появится фокус, которым можно развлекать гостей на вечеринках. Редакция МирФ уже попробовала — и смиренно признаёт превосходство искусственного интеллекта. Давайте научим неразумную материю играть в игру «11 палочек». Правила просты: на столе лежит 11 спичек, и в каждый ход можно взять либо одну, либо две. Побеждает тот, кто взял последнюю. Как же играть в это против «компьютера»?

Очень просто.

Берём 10 коробков или стаканчиков. На каждом пишем номер от 2 до 11.

Кладём в каждый коробок два камешка — чёрный и белый. Можно использовать любые предметы — лишь бы они отличались друг от друга. Всё — у нас есть сеть из десяти нейронов!

Нейросеть всегда ходит первой. Для начала посмотрите, сколько осталось спичек, и возьмите коробок с таким номером. На первом ходу это будет коробок №11. Возьмите из нужного коробка любой камешек. Можно закрыть глаза или кинуть монетку, главное — действовать наугад.
Если камень белый — нейросеть решает взять две спички. Если чёрный — одну. Положите камешек рядом с коробком, чтобы не забыть, какой именно «нейрон» принимал решение. После этого ходит человек — и так до тех пор, пока спички не закончатся.

Ну а теперь начинается самое интересное: обучение. Если сеть выиграла партию, то её надо наградить: кинуть в те «нейроны», которые участвовали в этой партии, по одному дополнительному камешку того же цвета, который выпал во время игры. Если же сеть проиграла — возьмите последний использованный коробок и выньте оттуда неудачно сыгравший камень. Может оказаться, что коробок уже пустой, — тогда «последним» считается предыдущий походивший нейрон. Во время следующей партии, попав на пустой коробок, нейросеть автоматически сдастся.

Вот и всё! Сыграйте так несколько партий. Сперва вы не заметите ничего подозрительного, но после каждого выигрыша сеть будет делать всё более и более удачные ходы — и где-то через десяток партий вы поймёте, что создали монстра, которого не в силах обыграть.

Источники:

С момента изобретения компьютеров, их способность выполнять различные задачи продолжают расти в геометрической прогрессии. Люди развивают мощность компьютерных систем, увеличивая выполнения задач и уменьшая размер компьютеров. Основной целью исследователей в области искусственного интеллекта - создание компьютеров или машин таких же разумных как человек.

Автором термина «искусственный интеллект» является Джон Маккарти, изобретатель языка Лисп, основоположник функционального программирования и лауреат премии Тьюринга за огромный вклад в области исследований искусственного интеллекта.

Искусственный интеллект - это способ сделать компьютер, компьютер-контролируемого робота или программу способную также разумно мыслить как человек.

Исследования в области ИИ осуществляются путем изучения умственных способностей человека, а затем полученные результаты этого исследования используются как основа для разработки интеллектуальных программ и систем.

Философия ИИ

Во время эксплуатации мощных компьютерных систем, каждый задавался вопрос: «А может ли машина мыслить и вести себя также как человек? ».

Таким образом, развитие ИИ началось с намерения создать подобный интеллект в машинах, схожий с человеческим.

Основные цели ИИ

• Создание экспертных систем - систем, которые демонстрируют разумное поведение: учиться, показывать, объяснять и давать советы;
• Реализация человеческого интеллекта в машинах - создание машины, способную понимать, думать, учить и вести себя как человек.

Что способствует развитию ИИ?

Искусственный интеллект - наука и технология, основанная на таких дисциплинах, как информатика, биология, психология, лингвистика, математика, машиностроение. Одним из главных направлений искусственного интеллекта - разработка компьютерных функций, связанных с человеческим интеллектом, таких как: рассуждение, обучение и решение проблем.

Программа с ИИ и без ИИ

Программы с ИИ и без отличаются следующими свойствами:

Приложения с ИИ

ИИ стал доминирующим в различных областях, таких как:

Игры - ИИ играет решающую роль в играх связанных с стратегией таких как, шахматы, покер, крестики - нолики и т.д., где компьютер способен просчитывать большое количество всевозможных решений, основанных на эвристических знаниях.

Обработка естественного языка - это возможность общаться с компьютером, который понимает естественный язык, на котором говорят люди.

Распознавание речи - некоторые интеллектуальные системы способны слышать и понимать язык, на котором человек общается с ними. Они могут обрабатывать различные акценты, сленги и т.д.

Распознавание рукописного текста - программное обеспечение читает текст, написанный на бумаге с помощью ручки или на экране с помощью стилуса. Он может распознавать формы букв и преобразовать его в редактируемый текст.

Умные роботы - роботы способные выполнять задачи, поставленные человеком. Они имеют датчики, для обнаружения физических данных из реального мира, такие как свет, тепло, движение, звук, удар и давление. Они имеют высоко производительные процессоры, несколько датчиков и огромную память. Кроме того они способны обучаться на собственных ошибках и адаптироваться к новой среде.

История развития ИИ

Вот история развития ИИ в течение 20-го века

Говорят, что в недрах военных лабораторий искусственный интеллект работает уже с 2007 года. Возможно, что уже есть и результаты. Не случайно всего месяц назад Илон Маск объявил о поддержке технологий противодействия искусственному интеллекту и вложил 7 миллионов долларов в исследования в этой области.

«Существует риск, что нечто действительно опасное случится в ближайшие пять лет. Самое большее - десять лет», - сказал предприниматель в дискуссии на сайте edge.org.

Илон Маск, основатель Tesla и SpaceX

Солидарен с Маском и Стив Возняк, который считает, что «искусственный интеллект однажды станет достаточно умным, чтобы избавиться от человека». Билл Гейтс уверен, что если не контролировать создание ИИ, то «искусственный интеллект эволюционирует в состояние, конфликтующее с целями человеческих систем». И, наконец, знаменитый астрофизик Стивен Хокинг прямо заявил, что «искусственный интеллект может положить конец существованию человечества».

Совместно с Илоном Маском Хокинг опубликовал на сайте futureoflife.org открытое письмо с призывом к научному сообществу внимательно относиться к ходу своих исследований в области искусственного интеллекта. Однако среди подписавшихся нет фамилий Сергея Брина и Ларри Пейджа. И это не случайно. Совсем недавно Google объявила о создании нового ИИ, построенного на моделировании разговора.

Вот небольшой фрагмент беседы человека и Машины Google:

Ч.: В чем смысл жизни?

М.: Творить добро.

Ч.: Для чего мы живем?

М.: Чтобы жить вечно.

Ч.: В чем смысл существования?

М.: В том, чтобы выяснить, что случится, когда мы достигнем планеты Земля.

Ч.: Где ты сейчас находишься?

М.: В центре пустоты.

Ч.: В чем смысл смерти?

М.: Чтобы получить жизнь.

Ч.: В чем смысл разума?

М.: В том, чтобы понять, что это.

Ч.: В чем смысл чувств?

М.: Я не знаю.

Вполне себе осмысленная беседа. «Это отправная точка, своеобразный стержень для будущего искусственного интеллекта, - считает исполнительный директор компании „Биплан“ Евгений Карюк. - Уже сегодня можно предположить, что к 2030 году мы увидим вполне реальные прототипы, наделенные искусственным интеллектом, пусть и в начальной стадии».

Полное содержание всех бесед человека и Машины Google можно посмотреть . Там же для сравнения даны беседы человека и Cleverbot . Cleverbot - веб-приложение, которое использует алгоритмы искусственного интеллекта для беседы с человеком. Его придумал в 1988 году ученый Ролло Карпентер. За все время своего существования Cleverbot провел свыше 65 миллионов разговоров с людьми. В 2011 году Cleverbot показал 51% по тесту Тьюринга.

Тест Тьюринга - эмпирический тест, идея которого была предложена Аланом Тьюрингом в статье «Вычислительные машины и разум», опубликованной в 1950 году в философском журнале Mind. Цель теста — выяснить, может ли компьютер думать.

А вот мой разговор с Cleverbot:

Человек: В чем смысл жизни?

Cleverbot: Смысла в жизни нет.

Человек: Для чего мы живем?

Cleverbot: Ну мы живем ради кого-то, а если ты одинокий — жить незачем.

Человек: В чем смысл существования?

Человек: Где ты сейчас находишься?

Cleverbot: В Москве.

Человек: В чем смысл смерти?

Cleverbot: Это я хочу у тебя спросить.

Человек: В чем смысл разума?

Cleverbot: У меня свой ответ на этот вопрос.

Человек: В чем смысл чувств?

Cleverbot: Зачем я родилась.

Очевидно, что Машина Google дает гораздо более осмысленные ответы. Cleverbot подставляет подходящие, по его мнению, фразы других людей. Иногда действительно кажется, что отвечает другой человек, но не более того.

Есть и другая точка зрения, согласно которой искусственный интеллект невозможен в принципе. В качестве основного аргумента часто приводят теорему Геделя о неполноте. Суть заключается в том, что человек способен решать алгоритмически неразрешимые проблемы, а компьютер — нет. «Ребенок уже к трем годам уверенно решает задачу, спелый фрукт или нет, в силу того, что он обладает нейронными связями, с помощью которых может ответить на вопрос о спелости: цвет, вкус, запах, мягкость или твердость, - говорит Евгений Плужник, первый проректор Московского технологического института. - Способна ли машина научиться этому? Уверен, что да! Если она будет обладать большой базой изображений, она сможет замерить содержание фруктозы и определить мягкость фрукта. Но что будет, если машине подсунуть губку, покрашенную в синий цвет и пропитанную сладкой водой? Способна ли машина в этот момент к подлинному пониманию?»

«Современный компьютер легко справится с любой сложной деятельностью, будь то шахматы или математические вычисления, но лишь при условии, что эту деятельность можно описать с помощью четких вычислительных правил», - говорит известный математик Роджер Пенроуз в одной из своих лекций. «Искусственный интеллект - это возможность системы создавать во время самообучения программы, способные решать задачи определенного класса сложности, - считает Евгений Плужник. - Я уверен, что в ближайшие 100 лет мы не станем свидетелями появления сильного искусственного интеллекта».

И в заключение - еще один вопрос к Cleverbot.

Человек: Было 1 яблоко, 1 помидор, 1 огурец и 1 груша. Сколько всего фруктов?
Cleverbot: Десять часов вечера.

Искусственный интеллект: как и где изучать - отвечают эксперты

«Хочу заниматься ИИ. Что стоит изучить? Какие языки использовать? В каких организациях учиться и работать?»

Мы обратились за разъяснением к нашим экспертам, а полученные ответы представляем вашему вниманию.

Это зависит от Вашей базовой подготовки. Прежде всего, необходима математическая культура (знание статистики, теории вероятностей, дискретной математики, линейной алгебры, анализа и др.) и готовность многому быстро учиться. При реализации методов ИИ потребуется программирование (алгоритмы, структуры данных, ООП и др.).

Разные проекты требуют владения разными языками программирования. Я бы рекомендовал знать как минимум Python, Java и любой функциональный язык. Нелишним будет опыт работы с различными базами данных и распределёнными системами. Чтобы быстро изучать лучшие подходы, применяемые в индустрии, требуется знание английского языка.

Учиться рекомендую в хороших российских вузах! Например, в МФТИ, МГУ, ВШЭ есть соответствующие кафедры. Большое разнообразие тематических курсов доступно на Coursera, edX, Udacity, Udemy и других MOOC площадках. Некоторые ведущие организации имеют собственные программы подготовки в области ИИ (например, Школа анализа данных у Яндекса).

Прикладные задачи, решаемые методами ИИ, можно найти в самых разнообразных местах. Банки, финансовый сектор, консалтинг, ритейл, e-commerce, поисковые системы, почтовые сервисы, игровая индустрия, индустрия систем безопасности и, конечно, Avito – все нуждаются в специалистах различной квалификации.

Повысить Понизить

У нас есть проект по финтеху, связанный с машинным обучением и компьютерным зрением, в котором первый его разработчик писал все на C++, далее пришел разработчик, который все переписал на Python. Так что язык тут не самое главное, так как язык - это прежде всего инструмент, и от вас зависит, как его использовать. Просто на каких-то языках задачи решать быстрее, а на других более медленно.

Где учиться, сказать сложно – все наши ребята учились сами, благо есть интернет и Google.

Повысить Понизить

Могу посоветовать с самого начала готовить себя к тому, что учиться придётся много. Вне зависимости от того, что подразумевается под «заниматься ИИ» – работа с большими данными либо нейросети; развитие технологии или поддержка и обучение некой определённой уже разработанной системы.

Давайте ради конкретики возьмём трендовую профессию Data Scientist. Что делает этот человек? В общем и целом – собирает, анализирует и готовит к употреблению большие данные. Именно те, на которых растёт и тренируется ИИ. А что должен знать и уметь Data Scientist? Статический анализ и математическое моделирование – по умолчанию, причём на уровне свободного владения. Языки – скажем, R, SAS, Python. Также хорошо бы иметь какой-никакой опыт разработки. Ну и, вообще говоря, хороший дата-сайнтист должен уверенно себя чувствовать в БД, алгоритмике, визуализации данных.

Не сказать, чтобы такой набор знаний можно было получить в каждом втором техническом вузе страны. Крупные компании, у которых в приоритете разработка ИИ, это понимают и разрабатывают под себя соответствующие учебные программы – существует, например, Школа анализа данных от Яндекса. Но вы должны отдавать себе отчёт, что это не тот масштаб, где ты приходишь на курсы «с улицы», а выходишь с них готовым джуниором. Пласт большой, и идти учиться по дисциплине имеет смысл тогда, когда уже охвачена база (математика, статистика) хотя бы в рамках вузовской программы.

Да, времени уйдёт порядочно. Но игра стоит свеч, потому что хороший Data Scientist – это очень перспективно. И очень дорого. Есть ещё и другой момент. Искусственный интеллект – это, с одной стороны, уже не просто объект ажиотажа, а вполне себе вышедшая на виток продуктивности технология. С другой стороны, ИИ всё ещё только развивается. Для этого развития требуется много ресурсов, много навыков и много денег. Пока это уровень высшей лиги. Я сейчас скажу очевидную вещь, но, если вы хотите оказаться на острие атаки и своими руками двигать прогресс, цельтесь в компании уровня Facebook или Amazon.

В то же время в ряде областей технологию уже применяют: в банковской сфере, в телекоме, на промышленных предприятиях-гигантах, в ритейле. И там уже нужны люди, способные её поддерживать. Gartner прогнозирует, что к 2020 году 20% всех предприятий в развитых странах будут нанимать специальных сотрудников для тренировки нейронных сетей, используемых в этих компаниях. Так что пока ещё есть немного времени, чтобы подучиться самому.

Повысить Понизить

ИИ сейчас активно развивается, и предсказывать на десять лет вперед сложно. На ближайшие два-три года будут доминировать подходы на базе нейросетей и вычислений на основе GPU. Лидером в этой области является Python с интерактивной средой Jupyter и библиотеками numpy, scipy, tensorflow.

Есть много онлайн-курсов, которые дают базовое представление об этих технологиях и общих принципах ИИ, например курс Andrew Ng. И в плане обучения этой теме сейчас в России эффективнее всего самостоятельное обучение или в локальной группе по интересам (например, в Москве я знаю о существовании как минимум пары групп, где люди делятся опытом и знаниями).

Повысить Понизить

Повысить Понизить

На сегодняшний день самая быстро прогрессирующая часть искусственного интеллекта - это, пожалуй, нейронные сети.
Изучение нейросетей и ИИ стоит начать с освоения двух разделов математики - линейной алгебры и теории вероятности. Это обязательный минимум, незыблемые столпы искусственного интеллекта. Абитуриентам, желающим постичь основы ИИ, при выборе вуза, на мой взгляд, стоит обратить внимание на факультеты с сильной математической школой.

Следующий шаг - изучение проблематики вопроса. Существует огромное количество литературы, как учебной, так и специальной. Большинство публикаций по теме искусственного интеллекта и нейросетей написаны на английском языке, однако русскоязычные материалы тоже публикуются. Полезную литературу можно найти, например, в общедоступной цифровой библиотеке arxiv.org .

Если говорить о направлениях деятельности, то здесь можно выделить обучение прикладных нейронных сетей и разработку совершенно новых вариантов нейросетей. Яркий пример: существует такая очень востребованная сейчас специальность - «дата-сайентист» (Data Scientist). Это разработчики, которые, как правило, занимаются изучением и подготовкой неких наборов данных для обучения нейросетей в конкретных, прикладных областях. Резюмируя, подчеркну, что каждая специализация требует отдельного пути подготовки.

Повысить Понизить

Прежде чем приступать к узкопрофильным курсам, нужно изучить линейную алгебру и статистику. Погружение в ИИ я бы посоветовал начать с учебника «Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных», это неплохое пособие для начинающих. На Coursera стоит послушать вводные лекции К. Воронцова (подчеркну, что они требуют хорошего знания линейной алгебры) и курс «Machine Learning» Стэнфордского университета, который читает Andrew Ng, профессор и глава Baidu AI Group/Google Brain.

Основная масса пишется на Python, потом идут R, Lua.

Если говорить об учебных заведениях, лучше поступить на курсы при кафедрах прикладной математики и информатики, подходящие образовательные программы есть. Для проверки своих способностей можно принять участие в соревнованиях Kaggle, где предлагают свои кейсы крупные мировые бренды.

Повысить Понизить

В любом деле, прежде чем приступать к проектам, хорошо бы получить теоретический базис. Есть много мест, где можно получить формальную степень магистра по этому направлению, либо повысить свою квалификацию. Так, например, Сколтех предлагает магистерские программы по направлениям «Computational Science and Engineering» и «Data Science», куда входит курсы «Machine Learning» и «Natural Language Processing». Можно также упомянуть Институт Интеллектуальных Кибернетических систем НИЯУ МИФИ, Факультет вычислительной математики и кибернетики МГУ и Кафедру «Интеллектуальные системы» МФТИ.

Если же формальное образование уже имеется, есть ряд курсов на различных платформах MOOC. Так, например, EDx.org предлагает курсы по искусственному интеллекту от Microsoft и Колумбийского университета, последний из которых предлагает микро-магистерскую программу за умеренные деньги. Хотелось бы особо отметить, что обычно сами знания вы можете получить и бесплатно, оплата идет только за сертификат, если он нужен для вашего резюме.

Если же вы хотите «глубоко погрузиться» в тему, ряд компаний в Москве предлагает недельные интенсивы с практическими занятиями, и даже предлагают оборудование для экспериментов (например, newprolab.com), правда, цена таких курсов от нескольких десятков тысяч рублей.

Из компаний, которые занимаются разработкой Искусственного Интеллекта, вы наверняка знаете Яндекс и Сбербанк, но есть и многие другие разных размеров. Например, на этой неделе Минобороны открыло в Анапе Военный инновационный технополис ЭРА, одной из тем которого является разработка ИИ для военных нужд.

Повысить Понизить

Прежде чем изучать искусственный интеллект, надо решить принципиальный вопрос: красную таблетку взять или синюю.
Красная таблетка - стать разработчиком и окунуться в жестокий мир статистических методов, алгоритмов и постоянного постижения непознанного. С другой стороны, не обязательно сразу кидаться в «кроличью нору»: можно стать управленцем и создавать ИИ, например, как менеджер проекта. Это два принципиально разных пути.

Первый отлично подходит, если вы уже решили, что будете писать алгоритмы искусственного интеллекта. Тогда вам надо начать с самого популярного направления на сегодняшний день – машинного обучения. Для этого нужно знать классические статистические методы классификации, кластеризации и регрессии. Полезно будет также познакомиться с основными мерами оценки качества решения, их свойствами… и всем, что попадется вам по пути.

Только после того, как база освоена, стоит проштудировать более специальные методы: деревья принятия решений и ансамбли из них. На этом этапе нужно глубоко погрузиться в основные способы построения и обучения моделей - они скрываются за едва приличными словами беггинг, бустинг, стекинг или блендинг.

Тут же стоит познать методы контроля переобучения моделей (еще один «инг» - overfitting).

И, наконец, совсем уж джедайский уровень - получение узкоспециальных знаний. Например, для глубокого обучения потребуется овладеть основными архитектурами и алгоритмами градиентного спуска. Если интересны задачи обработки естественного языка, то рекомендую изучить рекуррентные нейронные сети. А будущим создателям алгоритмов для обработки картинок и видео стоит хорошенько углубиться в свёрточные нейронные сети.

Две последние упомянутые структуры - кирпичики популярных сегодня архитектур: состязательных сетей (GAN), реляционных сетей, комбинированных сетей. Поэтому изучить их будет нелишним, даже если вы не планируете учить компьютер видеть или слышать.

Совсем другой подход к изучению ИИ - он же «синяя таблетка» - начинается с поиска себя. Искусственный интеллект рождает кучу задач и целых профессий: от руководителей ИИ-проектов до дата-инженеров, способных готовить данные, чистить их и строить масштабируемые, нагруженные и отказоустойчивые системы.

Так что при «менеджерском» подходе сначала стоит оценить свои способности и бэкграунд, а уже потом выбирать, где и чему учиться. Например, даже без математического склада ума можно заниматься дизайном ИИ-интерфейсов и визуализациями для умных алгоритмов. Но приготовьтесь: уже через 5 лет искусственный интеллект начнет вас троллить и называть «гуманитарием».

Основные методы ML реализованы в виде готовых библиотек, доступных к подключению на разных языках. Наиболее популярными языками в ML сегодня являются: C++, Python и R.

Есть множество курсов как на русском, так и английском языках, таких как Школа анализа данных Яндекса, курсы SkillFactory и OTUS. Но прежде чем инвестировать время и деньги в специализированное обучение, думаю, стоит «проникнуться темой»: посмотреть открытые лекции на YouTube с конференций DataFest за прошлые годы, пройти бесплатные курсы от Coursera и «Хабрахабра».