От момента создания первой электронно-вычислительной машины (ЭВМ) до начала использования искусственного интеллекта (ИИ) в самых разных отраслях экономики и повседневной жизни прошло 75 лет. Каковы основные вехи этого пути?
С чего начиналось
Учёные Англии, Германии и США до сих пор спорят о том, где именно была создана первая электронно-вычислительная машина. Дело в том, что начальные разработки относились скорее к механическим дифференциальным логарифмическим калькуляторам, чем к ЭВМ в классическом понимании.
Строго говоря, создателями первого электронного компьютера следует признать американцев: физика-инженера Джона Уильяма Мокли и инженера-электронщика Джона Преспера Экерта. Их работа длилась с 1943 по 1945 год, когда была спроектирована и построена ЭВМ, получившая название ENIAC.
La misma fue concebida y diseñada por John #Mauchly y J. Presper #Eckert, de la Universidad de #Pennsylvania, y fue ideada durante la II Guerra Mundial como un proyecto altamente secreto denominado #ProyectoPX. pic.twitter.com/KuCvFf8Eoa
— Museo de Informática (@MuseoInformatic) February 13, 2019
Вскоре после этого начались исследования в области искусственного интеллекта (ИИ), которые неразрывно связаны с развитием вычислительной техники. В 1950 году английский математик и криптограф Алан Мэтисон Тьюринг предложил тест для выявления возможности искусственного мышления, схожего с человеческим: исследователь, вслепую задавая вопросы человеку и компьютерной программе, должен определить, кто на них отвечает. Задача компьютера — сбить исследователя с толку. Если машине это удаётся, можно говорить о признаках искусственного интеллекта.
На Дартмутском семинаре в 1956 году американский информатик Джон Маккарти, автор термина «искусственный интеллект», поставил перед 10 выдающимися учёными задачу: «понять, как обучить машины использовать естественные языки, формировать абстракции и концепции, решать задачи, подвластные сейчас только людям, и улучшать самих себя». Двухмесячный мозговой штурм стал импульсом для формирования научных лабораторий по созданию ИИ, в том числе нейронных сетей.
Новые возможности в этой области открылись с созданием в 1971 году компанией Intel 4-битного микропроцессора Intel 4004 с первой в мире коммерческой однокристальной электронной транзисторной схемой. Через полгода компания представила новый 8-битный процессор Intel 8008.
Обучение нейросетей
Искусственная нейронная сеть представляет собой математическую модель с программным обеспечением, построенную по принципу функционирования биологических нейросетей. Она состоит как минимум из трёх слоёв. Один из них — входной, в нём картинка обрабатывается и разделяется на множество пикселей. Другой — скрытый слой, в котором происходят анализ всех пикселей, выделенных во входном слое, и их отнесение к классам предметов. Третий слой — выходной, где нейросеть определяет, что находится на картинке.
Обучение нейросети напоминает обучение ребёнка: увидев какие-то предметы определённое количество раз, она начинает различать их. При распознавании внешне похожих объектов, скажем, собак пород чихуахуа и той-терьер, нейросеть с большой долей вероятности будет сперва ошибаться. Но учёные непрерывно работают над тем, чтобы обучение нейросетей происходило быстрее и качественнее.
Так, в 1989 году французский информатик Ян Лекун использовал алгоритм обратного распространения ошибки, чтобы обучить нейросети решать задачу распознавания рукописных ZIP-кодов — системы почтовых индексов в США. Он же годом ранее разработал свёрточную нейронную сеть — специальную архитектуру для эффективного распознавания образов. Это один из методов машинного обучения и основа технологий машинного зрения. Отметим и большой вклад британского информатика Джеффри Хинтона, который в 2007 году создал алгоритмы глубокого обучения многослойных нейросетей.
Способность к анализу и творчеству
Впечатляющим результатом в этой сфере была победа разработанного IBM суперкомпьютера над чемпионом мира по шахматам Гарри Каспаровым в 1997 году. А в 2016 году программа AlphaGo компании Google DeepMind впервые обыграла профессионала Ли Седоля в го — игре на логику и умение стратегически мыслить. В отличие от шахмат с количеством комбинаций в несколько сотен миллионов, в го нельзя просчитать результат, здесь необходим творческий подход. Эта победа ознаменовала достижение искусственным интеллектом способности воспроизводить когнитивные функции человека.
Современные нейросети чаще всего применяются в трёх основных сферах:
- машинное зрение (анализ контента, распознавание лиц, поиск и разметка изображений, видеоаналитика);
- распознавание голоса (обработка языков, синтез голоса, машинный перевод);
- распознавание текста (универсальные OCR, сертификация OCR, распознавание заметок, промышленные OCR, специальные шаблоны).
Они уже обучены и картины писать, и стихи сочинять, правда, пока не на таком высоком уровне, как человек.
Конечно, прорыв в глубоком машинном обучении многослойных нейронных сетей был бы немыслим без параллельного роста эффективности вычислительной мощности компьютеров.
В магазине, на дороге, в заповеднике
Возможности ИИ в XXI веке используются в самых разных отраслях: телекоммуникациях, промышленности, сельском хозяйстве, энергетике, транспорте, торговле. Приведём лишь несколько примеров.
Искусственный интеллект позволяет сократить финансовые потери и предотвратить кражи в магазинах IKEA в Объединённых Арабских Эмиратах: интеллектуальная система видеонаблюдения с 420 камерами, интегрированная со всеми техническими средствами безопасности и кассовой системой, обеспечивает полный контроль всех зон от входа в магазины до касс и технических помещений.
ИИ-аналитика, использующая 814 камер, не только заботится о безопасности, но и, соединяя информацию о количестве посетителей с данными кассовой системы, позволяет оценивать конверсию и проводить маркетинговые исследования в крупнейшем торговом центре ОАЭ Al Ain. Нейросетевые технологии гарантируют точность в различении людей и габаритных предметов свыше 98%.
На Панамериканском шоссе в Эквадоре информация с пунктов оплаты позволяет определить количество проехавших автомобилей, а распознавание автомобильных номеров и их сопоставление с базами данных полиции делает возможной идентификацию транспортного средства. Технология ИИ не только обезопасила дорожное движение и упростила пропуск транспортных средств, но и позволила прогнозировать износ покрытия, а также планировать его ремонт.
Видеоаналитика на основе нейронных сетей фиксирует в заповедниках Мадикве и Лайон Сэндс в ЮАР движение животных, людей и автомобилей, помогая бороться с браконьерством.
…и на полях, и в школах
Летом 2020 года в агрохозяйствах 15 регионов России сбор урожая зерновых проходил с применением системы автономного управления комбайнами Cognitive Agro Pilot, созданной российскими разработчиками. Эта система с использованием нейросетей глубокого обучения может работать круглосуточно, в любую погоду, обнаруживать любые препятствия и обходить их, она способствует повышению скорости уборки на 25%.
А в школах Волгоградской области используется программное обеспечение AxxonSoft, разработанное ITV Group и Huawei. Оно способно дистанционно измерять температуру тела и проверять наличие маски, помогает контролировать соблюдение эпидемиологических норм, разгрузив учителей и уменьшив влияние человеческого фактора. Технология ИИ позволяет избежать заторов на входе и пресечь распространение инфекции на раннем этапе. Решение реализуется с помощью сервера, основанного на аппаратном обеспечении Huawei, и программной системы видеонаблюдения Axxon Next.
Трудно себе представить, как далеко продвинется искусственный интеллект в ближайшие 25 лет, но к столетию создания первой ЭВМ ожидается новый прорыв.
