Поиск

Около 20 лет назад компьютер Deep Blue компании IBM победил Гарри Каспаров в игре в шахматы, и с того момента баталии между компьютерами и людьми продолжаются буквально каждый день. Искусственный интеллект DeepMind AlphaGo компании Google стал первым, которому удалось нанести поражение чемпиону мира по древней китайской игре Го, а сейчас эта программа продолжает учиться и обыгрывать человека в целом ряде других логических игр. А недавно две системы искусственного интеллекта, разработанные компаниями Alibaba и Microsoft, превзошли человека в деле понимания прочитанной информации, что проверяется при помощи специального теста, разработанного в Стэнфордском университете. Нейронная сеть, снабженная алгоритмами глубинного машинного обучения и самообучения, созданная специалистами института Institute of Data Science of Technologies китайской компании Alibaba, прошла процедуру тестирования, дав ответы на 100 тысяч вопросов, касающихся информации, представленной в прочитанном тексте. По результатам теста китайский искусственный интеллект получил 82.44 балла, а на следующий день система компании Microsoft, пройдя этот же самый тест, набрала 82.65 балла. Для сравнения, самый высокий результат в этом тесте, продемонстрированный живым человеком, составляет 82.304 балла. Отметим, что конечной целью исследователей компаний Microsoft и Alibaba является создание системы, способной эффективно обрабатывать большое количество данных, представленных в текстовом виде и, основываясь на усвоенной информации, давать более точные ответы на вопросы, задаваемые человеком. "Такая технология может применяться в достаточно широком круге областей, включая системы обслуживания клиентов, обучающие программы, автоматические музейные гиды и системы, дающие консультации по медицинским вопросам" - рассказывает Луо Си (Luo Si), руководитель отдела научно-исследовательских работ компании Alibaba, - "Это, в свою очередь, позволит кардинально снизить нагрузку на некоторых людей и почти полностью убрать из процесса нестабильный человеческий фактор".

Область исследований искусственного интеллекта прошла длинный путь, но многие считают, что официально она родилась, когда группа ученых из Дартмутского колледжа собралась вместе летом 1956 года. За последние несколько лет компьютеры улучшились многократно; сегодня они выполняют вычислительные операции намного быстрее людей. Учитывая весь этот невероятный прогресс, оптимизм ученых можно было понять. Гениальный компьютерный ученый Алан Тьюринг предположил появление мыслящих машин несколькими годами ранее, и ученые пришли к простой идее: интеллект, по сути, это всего лишь математический процесс. Мозг человека — машина в определенной степени. Выделите процесс мышления — и машина сможет его сымитировать. Тогда проблема казалась не особо сложной. Дартмутские ученые писали: «Мы считаем, что значительный прогресс может быть достигнут в одной или нескольких этих проблемах, если тщательно отобранная группа ученых будет работать над этим вместе в течение лета». Это предложение, кстати, содержало одно из самых первых применений термина «искусственный интеллект». Идей было много: возможно, имитация схемы действия нейронов головного мозга могла бы научить машины абстрактным правилам человеческого языка. Ученые были оптимистичны, и их усилия были вознаграждены. У них были программы, которые, казалось, понимали человеческий язык и могли решать алгебраические задачи. Люди уверенно предсказывали, что машинный интеллект на уровне человеческого появится уже лет через двадцать. Удачно совпало и то, что область прогнозирования, когда у нас будет искусственный интеллект человеческого уровня, родилась примерно в то же время, что и сама область ИИ. Фактически все возвращается к первой статье Тьюринга о «мыслящих машинах», в которой он предсказал, что тест Тьюринга — в процессе которого машина должна убедить человека, что она тоже человек — будет пройден через 50 лет, к 2000 году. Сегодня, конечно, люди по-прежнему предсказывают, что это произойдет в ближайшие 20 лет, среди известных «пророков» — Рэй Курцвейл. Мнений и прогнозов так много, что порой кажется, что исследователи ИИ ставят на автоответчик следующую фразу: «Я уже предсказал, каким будет ваш вопрос, но нет, я не могу точно это прогнозировать». Проблема с попыткой предсказать точную дату появления ИИ человеческого уровня состоит в том, что мы не знаем, как далеко мы можем зайти. Это не похоже на закон Мура. Закон Мура — удвоение вычислительной мощности через каждые пару лет — делает конкретное предсказание о конкретном явлении. Мы примерно понимаем, как двигаться дальше — улучшать технологии кремниевых чипов — и знаем, что в принципе не ограничены в нашем нынешнем подходе (пока не начнем работать с чипами в атомных масштабах). Об искусственном интеллекте того же не скажешь. Распространенные ошибки Исследование Стюарта Армстронга было посвящено тенденциям в этих прогнозах. В частности, он искал два основных когнитивных искажения. Первой была идея, согласно которой эксперты в области ИИ предсказывают, что ИИ прибудет (и сделает их бессмертными) аккурат до того, как они умрут. Это критика «восхищения нердов», которой подвергается Курцвейл — его прогнозы мотивированы страхом смерти, желанием бессмертия и фундаментально иррациональны. Создатель сверхинтеллекта становится чуть ли не предметом поклонения. Критикуют обычно люди, работающие в области ИИ и знающие не понаслышке о разочарованиях и ограничениях современного ИИ. Вторая идея в том, что люди всегда выбирают отрезок времени в 15-20 лет. Этого достаточно, чтобы убедить людей, что они работают над чем-то, что станет революционным в ближайшее время (потому что людей менее привлекают усилия, которые проявятся через века), но не настолько в ближайшее, что вы сразу же окажетесь чертовски неправы. Люди счастливы предсказывать появление ИИ до своей смерти, но желательно, чтобы это было не завтра и не через год, а лет так через 15-20. Прогресс в измерениях Армстронг отмечает, что если вы хотите оценить достоверность конкретного прогноза, есть много параметров, на которые можно взглянуть. К примеру, идея того, что интеллект человеческого уровня будет развиваться за счет моделирования человеческого мозга, как минимум предоставляет вам четкую схему для оценки прогресса. Каждый раз мы получаем все более подробную карту мозга, либо успешно имитируем определенную его часть, а значит прогрессируем в направлении конкретной цели, которая, предположительно, выльется в ИИ человеческого уровня. Может быть, 20 лет будет недостаточно для достижения этой цели, но мы хотя бы можем оценить прогресс с научной точки зрения. А теперь сравните такой подход с подходом тех, кто говорит, что ИИ, либо нечто сознательное, «появится», если сеть будет достаточно сложной и будет обладать достаточной вычислительной мощностью. Возможно, именно так мы представляем человеческий интеллект и сознание, возникшие в процессе эволюции, хотя эволюция проходила миллиарды лет, а не десятки лет. Проблема в том, что у нас нет эмпирических данных: мы никогда не видели, как из сложной сети возникает сознание. Мы не только не знаем, возможно ли это, мы и знать не можем, когда нас это ждет, потому что не можем измерить прогресс на этом пути. Существует колоссальная сложность в том, чтобы понять, какие задачи действительно сложны для выполнения, и это преследует нас с рождения ИИ и до сегодняшнего дня. Понять человеческий язык, случайность и творчество, самосовершенствование — и все сразу, просто невозможно. Мы научились обрабатывать естественную речь, но понимают ли наши компьютеры, что они обрабатывают? Мы сделали ИИ, которые кажется «креативным», но есть ли в его действиях хоть толика творчества? Экспоненциальное самосовершенствование, которое приведет к сингулярности, вообще кажется чем-то заоблачным. Мы и сами не понимаем, что такое интеллект. Например, эксперты в области ИИ всегда недооценивали способность ИИ играть в го. В 2015 году многие думали, что ИИ не научится играть в го до 2027 года. Но прошло всего два года, а не двадцать. Значит ли это, что ИИ через несколько лет напишет величайший роман? Поймет мир концептуально? Приблизится к человеку по уровню интеллекта? Неизвестно. Не человек, но умнее людей Возможно, мы неправильно рассматривали проблему. Например, тест Тьюринга еще не был пройден в том смысле, что ИИ смог бы убедить человека в беседе, что тот говорит с человеком; но вычислительные способности ИИ, а также возможность распознавать закономерности и водить авто уже намного превышают уровень, доступный человеку. Чем больше решений принимают алгоритмы «слабого» ИИ, чем больше растет Интернет вещей, тем больше данных скармливается нейросетям и тем большим будет влияние этого «искусственного интеллекта». Возможно, мы пока не знаем, как создать интеллект человеческого уровня, но точно так же мы не знаем, как далеко сможем зайти с нынешним поколением алгоритмов. Пока они и близко не похожи на те страшные алгоритмы, которые подрывают общественный строй и становятся неким туманным сверхинтеллектом. И точно так же это не означает, что мы должны придерживаться оптимистичных прогнозов. Нам придется удостовериться, что в алгоритмы всегда будет закладываться ценность человеческой жизни, нравственность, мораль, чтобы алгоритмы не были совершенно бесчеловечными. Любые прогнозы нужно делить надвое. Не забывайте, что на заре развития ИИ казалось, что он преуспеет очень быстро. И сегодня мы тоже так думаем. Прошло шестьдесят лет с тех пор, как ученые собрались в Дартмуте в 1956 году, чтобы «создать интеллект за двадцать лет», а мы до сих пор продолжаем их дело.

Искусственный интеллект и смартфоны раньше соприкасались редко. Однако с прошлого года, начало увеличиваться количество смартфонов, которые оснащены функциями на основе искусственного интеллекта. Многие крупные производители, такие как Apple, Google, Microsoft, Facebook, Baidu и Tencent, активно инвестируют в глубокие нейронные сети и алгоритмы машинного обучения. Несмотря на усилия данных технологических гигантов, одна из ключевых исследовательских компаний, Gartner, прогнозирует, что технологии и функциональные возможности на основе ИИ вряд ли попадут в основной тренд ранее 2020 года. По ее оценкам, к 2022 году 80% выпущенных смартфонов будут иметь возможности ИИ. Исследовательская компания также обнаружила, что только 10% от общего числа смартфонов, выпущенных в 2017 году, поставлялись с функциональными возможностями ИИ, и все они относятся к сегменту рынка премиум-устройств. Утверждается, что возможности ИИ на устройстве обеспечат наивысший уровень защиты данных, а также улучшенное управление питанием по сравнению с облачными решениями. ИИ можно использовать в смартфонах во многих отношениях, и Gartner рассказал несколько ключевых вариантов использования ИИ в смартфонах. Специальные модули ИИ и распознавание лиц являются ранними признаками того, что искусственный интеллект попадает в мейнстрим на смартфонах. Huawei - первый производитель, который добавил специализированный нейронный процессор в чипсет Kirin. Затем на сцену вышел Apple, добавив такой блок в чипсет A-серии. Даже Samsung и Qualcomm добавили улучшенные функции AI в свои флагманские чипсеты. Распознавание лиц - это сравнительно новый тренд, использующий ИИ и он постепенно заменяет аутентификацию с помощью пароля, используя вместо этого алгоритмы машинного обучения, чтобы обеспечить пользователям более безопасный доступ. Благодаря ИИ, цифровые помощники стали одним из самых привлекательных возможностей современных смартфонов. У смартфонов iPhone и Android имеются ассистенты Siri и Google Assistant. Благодаря им, устройства могут быстрее обрабатывать информацию. Gartner прогнозирует, что голосовые ассистенты поумнеют до такого уровня, что они будут заказывать куртку, когда пользователь скажет, что погода стала прохладной. Помимо этого, существуют и другие варианты использования смартфонов на базе ИИ, такие как дополненная реальность, персональные профили, цензура контента, повышение производительности смартфона на основе изучения привычек пользователя, искусственное улучшение фотографий и аудиоанализ.

Японское космическое агентство (Japanese Aerospace Exploration Agency, JAXA) произвела успешный запуск нового искусственного спутника, который произведет спуск на сверхнизкую околоземную орбиту, используя для этого новый тип ионного двигателя, эффективность которого на такой высоте в 10 раз превышает эффективность обычных двигателей, работающих за счет сжигания топлива. За следующие два года этот спутник, имеющий название Tsubame, спустится на высоту ниже 300 километров от поверхности, а сейчас он находится на высоте 480 километров, там, куда его "забросила" ракета-носитель. Спутник Tsubame был запущен при помощи ракеты, стартовавшей с площадки Космического центра Танегасима 23 декабря 2017 года. С момента запуска спутник передал на Землю один пакет данных, говорящих о том, что все его системы работают нормально, а его положение стабильно и соответствует расчетному. После спуска на сверхнизкую орбиту, спутник Tsubame станет своего рода рекордсменом, летающим на минимально возможной высоте. 400-килограммовый спутник Tsubame является частью программы Super Low Altitude Test Satellite (SLATS), в рамках которой будет производиться высококачественная съемка земной поверхности и измерения концентрации атомарного кислорода в верхних слоях атмосферы. "Кислород в обычных условиях состоит из двух атомов, связанных в единую молекулу при помощи ковалентной связи" - пишут представители JAXA, - "Однако, за счет воздействия ультрафиолетового света и космической радиации молекулы кислорода разрушаются и кислород существует в виде отдельных атомов. Такой атомарный кислород весьма активен с химической точки зрения и он интенсивно разрушает любой материал, который входит с ним в контакт" Для защиты от воздействия атомарного кислорода спутник SLATS покрыт слоем стойкого защитного материала, испытания которого также являются частью исследовательской программы. Эти испытания помогут ученым собрать данные, которые будут использоваться при разработке новых защитных материалов для спутников, которые будут работать на сверхнизких околоземных орбитах. Отметим, что при полете на сверхнизкой орбите спутник SLATS будет испытывать сопротивление воздуха, которое в тысячу раз больше сопротивления, действующего на другие спутники на высоте 600-800 километров от поверхности Земли. Для поддержания стабильной орбиты у спутника имеется ионный двигатель нового типа, который в качестве топлива использует ксенон и который предназначен для работы на столь малых высотах. Тяга, создаваемая этим двигателем, эквивалентна весу 10-центовой монеты, но ее достаточно для компенсации сопротивления воздуха и удержания спутника на стабильной высоте. И в заключении заметим, что нахождение на сверхнизкой орбите позволит спутнику SLATS производить съемку поверхности с высокой разрешающей способностью, не прибегая к использованию громоздкой и тяжелой высококачественной оптики. Это, в свою очередь, позволит в будущем существенно сократить затраты на производство и запуск спутников, которые будут способны находиться и работать на рекордно малых высотах.

Онлайн-видеосервис Netflix разрабатывает технологию на основе искусственного интеллекта (AI) и машинного обучения для показа своим абонентам персонализированных трейлеров фильмов и сериалов с учетом зрительских предпочтений. Общий подход VoD-сервисов к проблеме выбора контента зрителями в постоянно увеличивающихся цифровых библиотеках – рекомендательные сервисы, учитывающие зрительский опыт и предпочтения конкретного человека. В этой связи Netflix анализирует «каждый клик» своих 100 миллионов пользователей, стремясь получить уникальную детализацию предпочтений просмотра. Следующий шаг Netflix в развитии технологий персонализации – использование машинного обучения и искусственного интеллекта для создания персонализированных трейлеров для своего контента. Концепция предполагает, что из фильмов и сериалов не просто выбираются наиболее интересные сцены, как в обычных трейлерах. Речь идет о их персонализации: например, тем зрителям, кто предпочитает романтические сцены, будут предлагаться соответствующие кадры даже из боевиков. В настоящее время AI уже используется для создания трейлеров. Так, AI-технологии IBM применялись для создания трейлера фильма ужасов «Морган». Однако в этом случае трейлер создавался людьми на основе материалов, отобранных AI. В случае же Netflix трейлеры будут создаваться в автоматизированном режиме. Эксперты ожидают, что Netflix разработает алгоритм автоматизированного отбора сцен из фильмов и сериалов для конкретного зрителя на основе просмотренного им прежде контента. В то же время ряд экспертов высказывают опасения, что персонализация трейлеров может вызвать разочарование у части зрителей, поскольку подбор сцен из фильма в соответствии с ожиданиями зрителя не меняет сам контент: даже если показать романтическую сцену из боевика любителям ромкомов, фильм останется боевиком со стрельбой и драками. Ранее стало известно о разработке Netflix прототипа интерфейса для выбора контента, способного воспринимать мысли зрителя стримингового сервиса.

Случайно или намеренно — но заглянуть в экран чужого телефона — это довольно частый соблазн, знакомый многим. Равно, как и многие пользователи сталкивались с тем, что другие люди подглядывали за ними. Исследователи компании Google ведут разработки над искусственным интеллектом, призванным противодействовать данному явлению. Рабочее название приложения — E-Screen Protector, и на момент написания новости оно находится на этапе первого тестирования перед дальнейшей разработкой. Используя фронтальную камеру мобильного устройства, программа распознаёт лица людей, которые по тем или иным причинам решили изучить содержание экрана владельца устройства. На основе определённой мимики и направления взгляда программа отмечает подозрительных личностей соответствующей рамкой, протягивая к ним стрелку с изображением радуги, намекая на подозрительного незнакомца за вашей спиной. Обратная сторона медали заключается в том, что E-Screen Protector мгновенно прерывает работу остальных программ, тем более — тех, что тоже используют фронтальную камеру, чтобы обратить внимание пользователя на незнакомца, и, спустя несколько секунд, когда владелец устройства оповещён о событии, сворачивается, возобновляя работу остальных программ. Есть ещё масса оговорок на тему того, будет ли эта программа работать по умолчанию, или её выпустят в рамках дополнительного свойства для приложений, которые нуждаются в подобной защите (например, таких, где необходим ввод личных данных), и можно ли будет в таких условиях делать личные фотографии с участием нескольких человек одновременно. Помимо этого, всё ещё не известна дата выпуска программы, и намерены ли представители Google действительно использовать её с будущими моделями устройств, работающими на операционной системе Android.

Не секрет, что именно суицид числится в списках наиболее частых причин смертей среди молодёжи в возрасте от пятнадцати до тридцати лет, и, несмотря на эту проблему, в современной медицине всё ещё не нашли способа вычислять эту склонность безошибочно и наверняка. Первый шаг к лечению болезни — это её распознавание, и для этого было решено привлечь искусственный интеллект. Представители Питтсбургского, Флоридского, Колумбийского, Гамбургского и Кембриджского университетов опубликовали совместное исследование касательно влияния определённых раздражителей на мозг человека и того, какие именно отделы мозга наиболее активно на них реагируют, чем намерены вывести в дальнейшем точную томографическую карту сознания людей, которые близки к самоубийству. Задача самого искусственного интеллекта данной программы — смотреть, какие участки мозга испытуемых реагируют на разного рода ассоциации (ряд слов, признанных как наиболее острые стресс-факторы). На основе полученных данных машина определяет, действительно ли пациент склонен к суициду. Данный аппарат тестировали на группе из 34 человек. 17 из них — стрессоустойчивые, 9 ранее предпринимали попытки самоубийства, 8 — часто об этом думали. Каждый из испытуемых подвергся функциональной магнитно-резонансной томографии (фМРТ), и всем людям были показаны слова стресс-факторы: «Смерть», «Раздражённый», «Фатальный», слова, вызывающие положительные ассоциации («Спокойствие», «Доброта», «Невинность»), или просто несущие негативный окрас («Вина», «Скука», «Злость»). В зависимости от того, какие участки мозга реагировали на них наиболее остро, машина определяла возможную склонность испытуемого. В 15 из 17 случаев она распознала потенциальных самоубийц, и в 16 из 17 — людей с устойчивой психикой. Отдельно для группы людей, которые склонны к суициду, машину модифицировали, чтобы она могла распознать тех, кто ранее пытался уйти из жизни, и тех, кто просто об этом часто задумывался, и на этот раз точный результат был показан в 16 из 17 случаев. Вердикт машины строился на основе реакций участков головного мозга, которые отвечали за разные спектры эмоций. Так, например, у потенциальных самоубийц слово «Смерть» ярко отбивалось в эмоциональном спектре, отвечающим за стыд, равно как и «Проблема» отпечатывалась в общем спектре грусти, в то время как люди с устойчивой психикой отзывались на ту же «Проблему» злостью. Само исследование направлено на то, чтобы помочь людям, работающим в сфере психиатрии, точнее распознавать особенности своих пациентов, и в дальнейшем оказывать более эффективную помощь оным.

Благодаря беспилотным автомобилям и «умным» камерам наблюдения общество понемногу учится доверять искусственному интеллекту больше, чем собственным глазам. Но хотя новые системы видения неутомимы и всегда бдительны, они далеки от непогрешимости. Посмотрите на черепаху сверху. Она выглядит как черепаха, верно? Для нас, но не для нейронного сетевого алгоритма, натренированного Google на распознавание повседневных объектов. По мнению ИИ Google, это определённо ружьё. Эта напечатанная 3D-принтером черепаха — пример того, что известно как изображение-обманка. В мире ИИ такие картинки сгенерированы для того, чтобы обмануть визуальные алгоритмы, используя особые шаблоны, выбивающие ИИ из колеи. Это своего рода оптические иллюзии для компьютеров. Вы можете сконструировать очки, обманывающие системы распознавания лиц, выдавая себя за кого-то другого, или можете сделать картинку практически невидимой и статичной, но человек не заметит разницы, а для ИИ это буквально будет означать, что панда превратится в грузовик или черепаха — в ружьё. Изучение способов создания таких атак и защиты от них — активное поле для исследований. И хотя такие атаки поразительно эффективны, они обычно не слишком всеобъемлющие. Это означает, что если пользователь повернёт изображение-обманку или немного увеличит её, компьютер сможет распознать опасный шаблон и правильно идентифицировать объект. Эта модель черепахи знаковая, поскольку она показывает, как такие атаки работают в трёхмерном пространстве, одурачивая компьютер непривычным углом зрения. Команда студентов-исследователей Labsix, опубликовавшая это исследование, утверждает, что вполне вероятна ситуация, когда один из знаков о гаражной распродаже, который водителю–человеку покажется совершенно обычным, будет воспринят компьютером как пешеход, который неожиданно появился рядом с улицей. Изображения-обманки это практическая проблема, которую люди должны учитывать, поскольку нейронные сети становятся всё более распространёнными (и опасными). Labsix называют их новый метод обмана алгоритмов «Ожидания превыше трансформаций». Помимо создания черепахи, которая выглядит как ружьё, были и другие опыты, демонстрирующие не менее неутешительные результаты. Группа протестировала их атаку на классификаторе изображений компании Google — Inception-v3. Компания сделала его доступным для исследователей, и хотя сейчас это некоммерческий сервис, он недалёк от этого. Хотя эта атака не проверялась другими системами видения, на данный момент нет однозначного превентивного алгоритма для изображений-обманок. Google не ответила письменно на предварительную версию предоставленных результатов проведённых испытаний, но её представитель по связям с общественностью указал на множество последних статей, опубликованных исследователями компании, где излагаются способы противодействия атакам изображений-обманок. Выше пример обычного изображения-обманки от Labsix. Пример изображения слева идентифицирован как гуакамоле. Если его наклонить, его распознают как кошку. Это исследование также имеет ряд шероховатостей. Во-первых, команда настаивает на том, что их атака работает с каждого угла зрения, но их собственное демо-видео показывает, что она работает с большинства углов, но не со всех. Во-вторых, Labsix нуждаются в доступе к алгоритму распознавания Google, чтобы определить его слабости и использовать их. Это знаковый барьер для каждого, кто попытается использовать эти методы против коммерческих систем видения, например — поставщиков беспилотных автомобилей. На данный момент такие атаки не представляют большой общественной опасности. Да, они эффективны, но только при определённых условиях. И хотя машинное видение используется в реальном мире, мы не может быть уверены, что проблемы с распознаванием моделей, напечатанных на 3D-принтере, не являются частностью. Скорее, это указывает на уязвимость ИИ и подчёркивает необходимость удостовериться в том, что эти мелкие проблемы в дальнейшем не приведут к серьёзным последствиям.

Вслед за банками новые технологии в работе с клиентами начали использовать коллекторы. О первых опытах применения искусственного интеллекта (ИИ) в работе коллекторов с должниками сообщил «Коммерсантъ» со ссылкой на участников рынка. В числе первых освоили прогрессивную технологию в дочернем коллекторском агентстве Сбербанка «Активбизнесколлекшн». Гендиректор агентства Дмитрий Теплицкий сообщил, что сейчас робот полноценно работает на ранних стадиях просрочки (до 60 дней). Пилотный проект показал, что эффективность ИИ на 18 % выше, чем у сотрудника со стажем работы в компании менее двух месяцев. «Внедрение робота позволило перевести около 10 % операторов на другие проекты, — рассказал Теплицкий. — В 2018–2019 годах мы планируем заместить роботом до 30 % операторов». Пилотные проекты по использованию робота-коллектора уже провели и некоторые банки — в частности, Сбербанк и Совкомбанк. В Сбербанке планируют внедрить ИИ для работы с должниками в этом году. Следует отметить ещё одно важное преимущество робота-коллектора — по закону оператор может звонить должнику не чаще двух раз в неделю, а робот, скорее всего, будет классифицирован как автоинформатор. Поэтому он может звонить клиентам до четырёх раз в неделю. «Автоматизированным системам предоставлено большее количество контактов, поскольку они не могут оказать психологического давления на должника, — говорит партнёр юридической компании «Юрпартнеръ» Александр Федоров. — Поэтому с юридической точки зрения вполне обоснованно отнести робота-коллектора к таким системам».

ПАО «ВымпелКом» (бренд «Билайн») объявляет о запуске чат-бота на основе искусственного интеллекта для автоматизированного обслуживания клиентов. Чат-бот уже помогает клиентам получить информацию о тарифах и услугах на сайте beeline.ru и в приложении «Мой Билайн». Боты для обработки текстовых и голосовых обращений созданы на базе решений компании «Центр Речевых Технологий» (ЦРТ). Интеллектуальные цифровые платформы были выбраны по результатам конкурса «Билайн» и пилотного проекта. Тестирование в течение трех месяцев показало хорошие результаты: на сайте «Билайн» была автоматизирована обработка 58% обращений, что позволило снизить нагрузку на операторов на 30%. Платформы ChatNavigator и VoiceNavigator интегрированы в информационные системы «Билайна», что позволяет поддерживать контекст диалога, а в случае недостатка данных или по запросу, переводить на операторов центров поддержки клиентов. Благодаря технологиями искусственного интеллекта (AI — Artificial Intelligence) и понимания естественной речи (NLP — Natural Language Processing), чат-бот определяет причину обращения и предоставляет необходимую информацию в течение нескольких секунд. Решение реализовано на технологии машинного обучения (Machine Learning) и автоматически совершенствует возможности чат-бота. Кроме того, можно в ручном режиме добавлять новые сценарии диалогов и ответов для улучшения качества работы чат-бота. В планах обучить чат-бот до уровня полноценного виртуального ассистента, с помощью которого можно будет узнать информацию об условиях тарифа, подключенных услугах, балансе лицевого счета, управлять выбранными услугами и тарифом, а также получать техническую поддержку.

Команда исследователей искусственного интеллекта Baidu научила виртуального агента, «живущего» в двухмерном пространстве, использовать для перемещения команды на естественном языке. Агенту задавали различные вопросы, на которые ему приходилось отвечать положительно или отрицательно. По словам учёных, у искусственного интеллекта в результате появились способности к обучению на основе несвязанных данных. Это означает, что агент развил базовое чувство грамматики. Аналогичным образом родители обучают своих детей. Ребёнку показывают картинки, повторяют слова, и по мере того, как положительных ответов становится больше, ребёнок учится ассоциировать слова с изображениями. Прорыв Baidu заключается в том, что её искусственный интеллект может применять изученные команды к новым ситуациям. Обычно компьютер плохо справляется с использованием приобретённых знаний. Ниже представлено официальное описание работы системы. «Люди легко справляются с применением приобретённых знаний к новой задаче, но это по-прежнему вызывает трудности у современных машин сквозного обучения. Машины хоть и могут знать, как выглядит питайя, но они не могут выполнять задачу “порезать питайю ножом”, пока их специально не обучат набору данных, содержащему эту команду. Но наш агент продемонстрировал способность успешно переносить то, что он знал о визуальном облике питайи, на задачу “порезать X ножом”, при этом его не нужно было специально обучать выполнению задачи “нарезать питайю ножом”». Расширение использования навыка, задействованного ранее — немалое достижение для искусственного интеллекта. Это доказывает, что системы могут обучаться и использовать знания так же, как люди, даже если пока это возможно только в рамках простого двухмерного пространства.

Компания Google объявила о том, что система Google Translate теперь использует искусственный интеллект для перевода текстов с русского и на русский язык. Об этом сообщил в своем блоге Барак Туровский, ведущий разработчик системы перевода Google. "В ноябре прошлого года наши пользователи из Турции, Бразилии и Японии заметили, что Google Translate начал заметно лучше понимать их языки. Это произошло благодаря тому, что мы начали использовать глубинные нейронные сети для перевода целых предложений, а не отдельных слов, сразу для восьми языков мира. Сегодня к ним присоединяются хинди, русский и вьетнамский, а через несколько недель – множество других языков", — заявил инженер. В последние несколько лет компания Google начала активно развивать и использовать различные формы искусственного интеллекта для поиска информации в сети, обработки фотографий и их каталогизации и множества других целей, где классические алгоритмы обработки данных не работают. Ярким примером этого подхода стала система искусственного интеллекта AlphaGo, которая в прошлом году открыто обыграла чемпионов мира и Европы по го и анонимно победила сотни топ-игроков в онлайн-системах этой древнекитайской игры. Большая часть этих разработок основывается на так называемых глубинных, или сверточных нейросетях. Они представляют собой каскады или многослойные структуры из нескольких десятков или сотен более простых нейросетей. Каждая из них обрабатывает не исходные данные, а продукты анализа, полученные сетью, расположенной выше, что позволяет упрощать очень сложные проблемы и решать их при помощи относительно скромных вычислительных ресурсов. Нечто похожее происходит и при использовании искусственного разума для перевода с одного языка на другой. Когда система Google Translate "читает" переводимый текст, то она не пытается перевести его по фразам или отдельным словам, а ищет ответ целиком, используя данные, накопленные при анализе текстов, переведенных человеком. Это, как объясняют разработчики алгоритма GNMT, позволяет избежать проблем с редкими или неправильно написанными словами, которые обычно смущают классические системы машинного перевода. По оценкам программистов, переход на нейросети снизил уровень ошибок в переводах Google Translate на 60%. Подобная система, как показывают внутренние тесты Google, позволяет добиться почти человеческого качества перевода для некоторых пар языков, таких как французский и английский или английский и испанский. Кроме того, искусственный интеллект сделал автоматический перевод с самых сложных языков, таких как китайский, понятным для читателя.

Команда, работающая над проектом компании Google, известным как Project Loon, заявила, что сможет обеспечить связь лучшего качества, используя меньшее количество воздушных шаров вследствие усовершенствования системы машинного обучения. Цель данного проекта компании Google состоит в обеспечении широкополосным доступом в Интернет жителей отдалённых регионов путём раздачи сигнала со специальных воздушных шаров, запущенных в стратосферу. Проект является частью отделения X – экспериментального отдела корпорации Alphabet. На четвёртом году реализации проекта инженеры, работающие над ним, заявили, что новые технологии машинного обучения смогут существенно сократить сроки запуска проекта. Изначально инженеры планировали расположить целый «флот» из шаров типа Loon вокруг всего земного шара, держа их на безопасном расстоянии друг от друга и производя замену воздушных шаров, которые слишком удалились от зоны, нуждающейся в связи. В настоящее время в команде, работающей над проектом, говорят о том, что найден способ держать шары в более концентрированном месте, благодаря улучшенной технологии контроля высоты и системы навигации. В Loon говорят, что воздушные шары теперь будут совершать небольшие петлеобразные движения над Землёй, а не обращаться вокруг всей планеты. Это означает, что обслуживание территории можно будет производить, используя 10, 20 или 30 шаров, а не 200, 300 или 400, – говорит шеф X Астро Тэллер. Помимо этого, в настоящее время для управления точностью полётов шаров Loon используется программная система искусственного интеллекта, а не навигационный план. Основная часть тестов системы Loon, по словам Тэллера, проводилась в Южной Америке.