В последние годы многие крупнейшие мировые технологические компании — от Google до Facebook и Microsoft — концентрируются на искусственном интеллекте и на том, как его можно использовать практически во всех своих продуктах.
Google даже переименовал свой отдел исследований в Google AI перед конференцией разработчиков, которая была посвящена искусственному интеллекту.
Рынок искусственного интеллекта процветает, компании продолжают инвестировать в когнитивные программные возможности.
Читайте также: Искусственный интеллект сегодня: серьезно о больших проблемах
Однако отрасли еще предстоит пройти долгий путь, и значительная часть ее прогресса может зависеть от того, удастся ли специалистам найти способ расширить возможности компьютерных алгоритмов с помощью новых возможностей обучения, подобных человеческим.
Системы, основанные на искусственном интеллекте, независимо от того, ссылаетесь ли вы на алгоритмы, используемые Facebook для обнаружения нежелательного контента, или на виртуальных помощников, созданных Google или Яндексом, которые обеспечивают интеллектуальные колонки в вашем доме, по-прежнему не могут определить контекст, как люди.
Такое продвижение может иметь решающее значение для Facebook, поскольку он наращивает свои усилия по идентификации контента, связанного с терроризмом.
Есть очевидные случаи, и ИИ может быть использован для их фильтрации или, по крайней мере, пометки для принятия решения модераторами
— сказал Ян ЛеКун, главный специалист по искусственному интеллекту в Facebook AI Research, в недавнем интервью Business Insider.
Но существует большое количество случаев, когда мы имеем дело с проблемным контентом, но нет простого способа обнаружить его, если у вас нет более широкого контекста… Этого сегодняшний ИИ просто не умеет.
Ключевым элементом в продвижении области искусственного интеллекта, особенно когда речь идет о глубоком обучении, будет обеспечение наличия аппаратного обеспечения, способного его поддерживать.
Что бы они (производители аппаратного обеспечения) ни делали, это повлияет на прогресс ИИ в течение следующего десятилетия.
Машины должны научиться правильно потреблять энергию, чтобы ИИ мог улучшиться.
Представьте себе пылесос, который не только достаточно умен, чтобы нанести на карту вашу гостиную, чтобы он не очищал одно и то же место дважды, но также способен обнаруживать препятствия, прежде чем врезаться в них.
Или умная газонокосилка, которая может разумно избегать цветочных клумб и веток, когда она подстригает ваш газон.
Чтобы такие устройства работали и стали распространенными — в дополнение к технологиям, в которые инвестируют такие компании, как Facebook и Google, такие как дополненная реальность и автомобили с автоматическим управлением, требуется более энергоэффективное оборудование.
Такое продвижение не только необходимо для процветания подобных технологий, но и для улучшения способов, с помощью которых такие компании, как Facebook, идентифицируют контент фотографий и видео в режиме реального времени.
Мы продолжим наблюдать улучшения ИИ в смартфонах в ближайшее время, прежде чем прогресс появятся в других местах.
Ян Лекун полагает, что в большинстве смартфонов ИИ будет встроен непосредственно в аппаратное обеспечение через выделенный процессор, что сделает такие функции, как трансляция речи в реальном времени, более распространенными на телефонах.
Вероятно, это не удивительно для тех, кто в последние годы уделял пристальное внимание индустрии смартфонов, так как такие компании, как Apple, Google и Huawei, более тесно внедрили ИИ в свои мобильные устройства.
Машины со «здравым смыслом» будут в центре внимания в следующем десятилетии.
В то время как люди часто узнают о мире с помощью общих наблюдений, компьютеры обычно учатся выполнять определенные задачи.
Если вы хотите разработать алгоритм, который может обнаруживать кошек на фотографиях, вы должны помочь ему понять, как выглядит кошка, давая ему большой поток данных, который может включать тысячи фотографий, помеченных как кошки.
Но главным трендом продвижения ИИ-систем в следующем десятилетии станет совершенствование самообучающихся алгоритмов.
Другими словами, мы должны научить машины узнавать то, как работает мир вокруг, используя данные, а не просто учиться решать одну конкретную проблему — например, идентификацию кошек.
Если мы действительно научим алгоритмы делать это, мы получим значительный прогресс в способности машин захватывать контекст и принимать более сложные решения.
По материалам www.businessinsider.com