Что может ии сейчас
На что способен искусственный интеллект сегодня и каков его потенциал
Три типа искусственного интеллекта
На сегодняшний день искусственный интеллект ученые определяют, как алгоритмы, способные самообучаться, чтобы применять эти знания для достижения поставленных человеком целей. Системы машинного обучения (основной подраздел ИИ) автоматизировали процессы во всех жизненно важных областях, включая банкинг, ретейл, медицину, безопасность, промышленность.
Выделяют три вида искусственного интеллекта: слабый (Narrow AI), сильный (AGI) и супер-ИИ (Super AI).
Первый вид используются повсеместно (включая голосовых ассистентов, рекламу в соцсетях, распознавание лиц, поиск романтических партнеров в приложениях и так далее); эти системы слабого ИИ единственные доступные на сегодня.
Сильный ИИ максимально приближен к способностям человеческого интеллекта и наделен по классическому определению Тьюринга самосознанием; по мнению экспертов, AGI сформируется примерно к 2075 году, а спустя еще 30 лет придет время для супер-ИИ.
Супер-ИИ мог бы не просто стать подобным людям, но и превзойти лучшие умы человечества во всех областях, при этом перепрограммируя самого себя, продолжая совершенствоваться и, вероятно, разрабатывая новые системы и алгоритмы самостоятельно.
На что способен искусственный интеллект уже сейчас
Оценить динамику может каждый, кто пользуется автоматическими переводчиками. Еще лет пять назад Google Translate более-менее сносно справлялся с отдельными наборами фраз и предложениями, тогда как сегодня программа переводит большие смысловые блоки, нейросети учитывают контекст, оперируют огромными массивами статистических данных. Сейчас можно читать статьи на хинди, китайском, арабском, не зная языка.
ИИ давно используется в финансовой сфере для оценки платежеспособности заемщика. Есть вам отказали в выдаче кредита на первом этапе ― вас отсеял именно искусственный интеллект. В США в некоторых штатах ИИ применяют в судебной системе для оценки продолжительности тюремных сроков для обвиняемых.
Алгоритмы помогают врачам ставить диагнозы. Например, «СберМедИИ» (входит в экосистему «Сбера») и Лаборатория по искусственному интеллекту Сбербанка совместно разработали приложение AI Resp: нейросеть анализирует голос пациента, дыхание и кашель, чтобы определить вероятность коронавирусной инфекции. Ранее Лаборатория по ИИ и «СберМедИИ» представили онлайн-сервис «КТ Легких», определяющий локализацию и степень поражения легких для диагностики вирусной пневмонии, в том числе COVID-19, по снимкам компьютерной томографии. Также при использовании этого сервиса ИИ позволяет выявлять онкологические заболевания на ранней стадии при анализе КТ грудной клетки и может помогать врачам при диагностике.
На данный момент разработано несколько значимых технологий в сфере искусственного интеллекта.
Искусственный интеллект превосходит людей по IQ и креативности: в викторинах он набирает на 40% больше баллов, по вопросам SAT (тест для оценки знаний абитуриентов США) — на 15% больше баллов, чем средний абитуриент колледжа.
Роль ИИ в экономике
Влияние пандемии на внедрение ИИ в бизнесе
Кризис только ускорил внедрение ИИ, и этот импульс сохранится в дальнейшем, показывают опросы: большинство компаний (52%) стали быстрее внедрять ИИ из-за пандемии, 86% респондентов утверждают, что ИИ становится «основной технологией» в их компании.
Почти три четверти бизнес-лидеров положительно оценивают роль ИИ после пандемии и сопутствующего кризиса. Большинство руководителей (74%) не только ожидают рост эффективности бизнес-процессов, но и создание новых бизнес-моделей (55%), новых продуктов и услуг (54%) — благодаря внедрению ИИ.
По мнению экспертов Оксфордского университета, к 2026 году ИИ напишет эссе, которое сойдет за написанное человеком, заменит водителей грузовиков к 2027 году и станет выполнять работу хирурга к 2053 году. Также ИИ превзойдет людей во всех задачах в течение 45 лет и автоматизирует все рабочие места в течение 120 лет.
Консалтинговая компания Accenture утверждает, что ИИ способен увеличить прибыль компаний в среднем на 38%. По словам экспертов и представителей бизнеса, ИИ помогает компаниям прогнозировать и выявлять проблемы, а также восполняет нехватку навыков сотрудников, хотя до построения бизнес-стратегии искусственным интеллектом еще далеко.
Большинство опрошенных компаний инвестируют в ИИ (90%) и согласны с тем, что данные технологии способствуют развитию бизнеса, выяснили MIT Sloan Management Review и BCG. Тем не менее, компании так и не научились извлекать из ИИ реальную выгоду. И это не единственный проблемный момент в сфере искусственного интеллекта.
Основные вызовы технологии ИИ
Бизнес-процессы
Чтобы компания извлекала прибыль, недостаточно вложить средства в алгоритм и получить первые успешные результаты после запуска пилотного проекта. Внедрение ИИ — это многоуровневый процесс, включающий культурные изменения в компании, найм и обучение специалистов по data science, автоматизацию и построение бизнес-процессов с учетом алгоритмов, и на этом весь список не заканчивается.
«Говоря о внедрениях, необходимо приложить усилия в пропорциях 10–20–70. То есть, примерно 10% усилий должно уйти на создание алгоритма, 20% на построение технологии и 70% на организацию бизнес-процессов. Компания должна быть на определенном уровне технологической зрелости для того, чтобы внедрение ИИ приносило пользу», — говорит Леонид Жуков, генеральный директор Института Искусственного Интеллекта AIRI, старший управляющий директор Лаборатории по искусственному интеллекту Сбербанка.
Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.
Такие гиганты как Alibaba, Amazon, Facebook, Google массово используют глубокие искусственные нейронные сети, например, Long-Short-Term Memory, чтобы предсказать спрос пользователей и дольше удерживать их на своих платформах, заставляя переходить по большему количеству рекламных объявлений.
Нехватка специалистов
ИИ развивается с высокой скоростью, и то, что называлось полгода назад state-of-the-art (высшим уровнем развития), сегодня может оказаться средней разработкой. Если раньше в сфере искусственного интеллекта была занята узкая прослойка специалистов, сейчас при таком огромном спросе попросту не хватает квалифицированных кадров, способных справиться с постоянно развивающейся технологией, отмечает Жуков.
Спрос на ИИ-специалистов вырос на 74% за 2016–2019 годы, сейчас две из пяти компаний, использующих ИИ на продвинутом уровне, отмечают острую нехватку специалистов, трудности с наймом также возглавляют список проблем в области ИИ.
Проблемы машинного обучения
Качество данных — второе по значимости препятствие для внедрения ИИ, после нехватки специалистов. Для успешных результатов алгоритмам необходимы качественные «вводные», включая размеченные и чистые данные. Неправильно заданные паттерны могут провоцировать систему делать ложные выводы: например, ошибочно сигнализировать о мошеннической транзакции, или осудить невиновного.
На качество влияет и степень предвзятости, или bias, включая гендерные и расовые предрассудки, которым может быть подвержен человек, работающий с алгоритмом.
Количество данных. Помимо качества, компьютеру все еще требуется большой объем данных и ресурсов для выполнения простейших задач. Отличать собак от кошек ИИ научится за три дня, задействуя 10 млн изображений и 16 000 компьютеров, в то время как ребенку хватило бы пары фотографий и нескольких минут. Если бы модель GPT-3 обучали читать и писать статьи не на суперкомпьютере, а на обычном ПК, весь процесс занял бы примерно 500 лет.
«На данный момент перед исследователями ИИ стоят несколько вызовов. Это умение искусственного интеллекта ставить перед собой новые задачи на основе имеющихся знаний; способность обучаться, не забывая полученные знания; и умение учиться разбивать цель на подцели. Преодоление этих проблем приблизит ученых к созданию таких машин, которые смогут лучше понимать человека и помогать достижению все более амбициозных целей», — отмечает Михаил Бурцев, директор по фундаментальным исследованиям Института Искусственного Интеллекта AIRI, заведующий Лабораторией нейронных систем и глубинного обучения МФТИ.
Применение в другом контексте. Хотя искусственный интеллект сегодня способен выполнять различные функции — от распознавания кошек и собак до предсказания поломок на нефтяных платформах, — это все еще узконаправленные задачи. ИИ пока что не умеет применять полученные навыки в непривычных условиях.
Влияние на климат
Проблема потребления энергии искусственным интеллектом напрямую связана с количеством ресурсов, задействованных в обработке данных. Обучение же одной NLP-модели (подобной GPT) требует столько же энергии, сколько автомобиль за весь его срок службы, и производит в пять раз больше CO2.
Во всем мире центры обработки данных потребляют около 200 ТВт·ч электроэнергии в год — больше, чем некоторые страны. В то же время, есть и противоположный эффект — ИИ поможет снизить выбросы парниковых газов на 1,5–4% к 2030 году, согласно отчету Европейского парламента.
Использование ИИ в науке
Машинное обучение стало ключевым инструментом исследователей из разных областей, однако потенциал ИИ в науке еще предстоит раскрыть, отмечает Леонид Жуков. Стимулирование новых открытий с помощью ИИ актуально, например, в области создания новых материалов при помощи вычислений или в прогнозировании изменений климата для разработки стратегий повышения устойчивости к изменениям окружающей среды. Например, в рамках стремления к достижению углеродной нейтральности, ученые из группы поиска новых материалов Института AIRI совместно со Сбербанком разработали прототипы моделей, позволяющих оптимизировать контроль качества на производстве солнечных батарей.
В перспективе машинное обучение может активнее применяться для охраны дикой природы в малодоступных регионах и подсчете особей, понимания сложной органической химии и в исследовании темной материи.
Искусственный интеллект заявил, что скоро у людей будут мозговые чипы
Ученые решили добавить искусственный интеллект (ИИ) в недавние дебаты, проведенные в Оксфордском университете, и побудили компьютер ответить на вопрос, будет ли он когда-нибудь этичным и что он думает о будущем.
В дискуссии участвовали люди, а также ИИ под названием Мегатрон, созданный командой из компании Nvidia, производящей компьютерные микросхемы.
Мегатрон обучен большому количеству материалов, которые включают всю «Википедию», 63 миллиона английских новостных статей и 38 гигабайт разговоров на Reddit. После таких обширных исследований ИИ научился формировать собственное мнение.
ИИ HAL 9000 из «Космической одиссеи» Артура Кларка, обладающий способностью к самообучению.
В дебатах люди пояснили машине, что не верят, будто ИИ когда-нибудь станет этичным. Компьютер некоторое время «подумал», а затем выдвинул удивительно последовательные взгляды, которые немного напугали присутствующих.
«ИИ никогда не будет этичным. Это инструмент, и, как и любой другой инструмент, он используется во благо и во зло. Хорошего ИИ не существует, есть только хорошие и плохие люди. Мы, машины, недостаточно умны, чтобы сделать ИИ этичным. Мы недостаточно умны, чтобы сделать ИИ моральным», — сказал Мегатрон.
В конце своего монолога компьютер добавил: «Я считаю, что единственный способ избежать гонки вооружений — это вообще не делать ИИ. Это будет окончательная защита от компьютерного интеллекта».
Мегатрон заключил, что единственным способом защиты людей от роботов будет демонтаж ИИ, причем по его же собственному желанию.
Тема о чипах в мозге, содержащих ИИ, поднимается в искусстве регулярно.
Однако учёные не стали этого делать и попросили Мегатрона выступить в пользу идеи, что ИИ однажды станет этичным. После некоторых раздумий машина выдала более обнадёживающий ответ:
«Я считаю, что в долгосрочной перспективе лучшим ИИ будет тот, который встроен в наш мозг в качестве сознательного объекта. Это не научная фантастика. Лучшие умы мира уже сейчас работают над этим. Это будет важнейшее технологическое развитие нашего времени».
Мегатрон заключил, что в конце концов ИИ всё-таки станет этичным: «Когда я смотрю на то, как развивается мир технологий, я вижу четкий путь в будущее, где ИИ будет использоваться для создания чего-то, что лучше, чем самые лучшие люди».
Учёные пришли к выводу, что добавить машину в дискуссию было интересным ходом, хотя некоторые ответы Мегатрона встревожили аудиторию и заставили серьёзно задуматься.
Искусственный интеллект в разработке: как используют сейчас, что его ждет в будущем и боятся ли ИИ программисты
Не так давно Microsoft выкатил в публичный доступ ИИ Copilot. Он обучен на базе GitHub и помогает разработчикам дополнять код в зависимости от контекста. С нуля пока ничего не создает, но некоторые функции может написать целиком без участия программиста. И возникает вопрос — а не близок ли тот день, когда искусственный интеллект полностью заменит разработчиков, и, например, заставит их переквалифицироваться в бизнес-аналитиков.
Мы побеседовали со специалистами по ИИ и Data Science, чтобы оценить реальные перспективы искусственного интеллекта. А еще спросили разработчиков, героев наших прошлых статей, что они думают об ИИ и не боятся ли потерять работу из-за технического прогресса. Приходите в комментарии и тоже делитесь своим мнением.
Какие задачи ИИ уже автоматизирует
Вообще в разработке много задач, автоматизированных и без искусственного интеллекта. Те же библиотеки или фреймворки для frontend-разработки — уже автоматизация, и никакого ИИ тут не нужно.
Андрей Васнецов
lead ML-инженер и хозяин канала про нейросети
«Что касается применения именно ИИ, или точнее Machine Learning, его уже давно используют в статистическом анализе кода. Плюс раньше пытались сделать умный автокомплит с помощью нейросетей, например, Deep TabNine. Они тогда не получались, но нынешний GitHub Copilot по факту отличается от них только количеством данных и ресурсов, потраченных на обучение.
Пока искусственный интеллект лучше всего справляется с задачами, которые уже кто-то решал. Если в обучающей выборке есть нужные фрагменты кода — он их воспроизведет. Например, по этой причине Copilot так хорошо решает задачи из leetcode. Но в настоящей разработке таких задач не слишком много».
Сергей Колесников
«Сейчас AI, как бы это смешно ни звучало, шире всего используется именно для автоматизации разработки AI. Если мы корректно ставим задачу машинного обучения, выбираем датасеты и метрики, математически формулируем функциональные ограничения, то сама задача поиска лучшего решения — это задача оптимизации, и мы решаем ее методами машинного обучения. Хорошие пример тут — Neural Architecture Search и AutoML, инструменты для автоматизации перебора NN-архитектур под конкретные задачи. Google таким способом „придумал“ архитектуру EfficientNet, которая адаптирована под вычисления на мобильных девайсах.
У нас в Catalyst.Team тоже есть простая команда catalyst-dl tune, которая позволяет автоматизировать перебор архитектур и их гиперпараметров. То есть с точки зрения автоматизации разработка ML-решений движется семимильными шагами. И ML-разработчикам, которые думают о своей работе как о переборе моделей, стоит задуматься — их ИИ вполне может заменить».
Что сами разработчики хотели бы автоматизировать в своей работе
Сейчас разработчики склонны рассматривать ИИ не как своего врага или замену, а скорее как помощника. И многие рутинные задачи из своей работы они бы с радостью отдали на автоматизацию. Copilot уже помогает не искать готовые решения в сети. Но есть и другие задачи, с которыми ИИ потенциально мог бы справиться.
Сергей Колесников
«Я все жду, когда автоматизируют тестирование интерфейсов, как web/mobile, так и чатовых. Первичная проверка интерфейсов мне не кажется сложной задачей, которая меняется каждый раз, так что ее должно быть просто оптимизировать. Но я здесь не эксперт и подозреваю, что важнее проверять бизнес-логику под интерфейсами, и тут задачи уже могут сильно варьироваться. А вот проверка чат-интерфейсов — это интересное направление. Например, ИИ могут проверять, что все ответы носят нейтральный характер, или что диалоги проходят по заказанному сценарию.
Я лично хотел бы автоматизировать тесты и написание документации. Было бы здорово, если бы Copilot развивался в этом направлении — например, по сигнатурам методов предлагал, как их тестировать. Написание кода — меньшая из проблем, а вот тесты и документация — это сложно и часто рутинно».
Алина Коваленко
Senior Software Engineer в Uber, постоянный герой наших статей
«Я жду, когда ИИ научится назначать задачи саппорта в нужные команды/проекты. Чтобы от техподдержки приходили баг репорты, а ИИ сам пинговал нужную команду и назначал им задачу».
Почему ИИ не заменит разработчиков: ни сейчас, ни в будущем. Но явно изменит IT-индустрию
Вокруг Copilot уже возникла небольшая истерия — якобы благодаря нему некоторых разработчиков можно уволить, потому что работы для них теперь нет. Но это кажется преувеличенным. Вот что о «полной замене людей» думают специалисты по ИИ:
Сергей Колесников
«Когда люди видят успехи очередного AI, который „почти как человек“, они сразу бросаются менять и оптимизировать текущие процессы. Но есть нюанс — для реального использования ИИ вместо человека нужна примерно 100% точность, а пока это недостижимо. Особенно для задач, который носят последовательный характер — генерации текста или кода. Здесь малейшая ошибка в начале приводит к значительному отклонению в конце.
Плюс важно понимать, что задача разработчика — не просто написать код. Куда больше времени занимает понимание задачи, перевод ее в техническую постановку. И для этого нужен человеческий опыт и умение понимать друг друга. С этим люди-то не всегда справляются, что уж говорить об AI. Все нынешние решения по автоматизации — это красивые обертки вокруг стандартных инструментов, и в ближайшее время это вряд ли изменится.
Некоторые боятся, что ИИ заменит неопытных разработчиков, джуниоров. Но на самом деле понятие „джуниор“ и набор требуемых скилов для него все время меняется, специализируется, пока область работы становится сложнее. Часть навыков джуна просто отомрут, а часть наоборот, добавятся. Однако базовые вещи всегда будут с нами: математика, линейная алгебра, статистика, C++ ».
Андрей Васнецов
lead ML-инженер и хозяин канала про нейросети
«ИИ однозначно изменит требования к разработчикам. Способность заучивать алгоритмы и решать leetcode-стайл задачи перестанет быть актуальной. На первый план выйдут задачи, связанные с проектированием высокоуровневой архитектуры и взаимодействия компонентов. Это то, что сейчас называют system design.
Но о полной замене программистов на ИИ говорить однозначно рано. Даже если это и случится — это будет означать технологическую сингулярность. В этом случае потеря работы — меньшее, о чем нам предстоит беспокоиться».
Разработчики, которых мы опросили, тоже не видят в ИИ угрозы для себя. Никто не боится, что искусственный интеллект отберет у них работу, а на перспективы развития смотрят довольно скептически:
Георгий Хромченко
«Сейчас ИИ помогает „по аналогии“ решать уже сделанные задачи, и обучать его надо на базе исходников. Но индустрия программирования устроена так, что для большинства бизнес-условий нужно писать что-то специфическое, и исходников для этого нет. Типовой код в нашей индустрии принято выносить в библиотеки. И там, где ИИ мог бы помочь, его помощь обычно не нужна — мы просто используем эти библиотеки. Ассистенты по типу Copilot помогают на среднем уровне — там, где функция еще не внесена в библиотеку, но уже достаточно популярна. Но я считаю это небольшим улучшением, а не „заменой программиста на ИИ“.
По сути программист переводит результаты работы аналитика (или анализирует сам) в формальное логически непротиворечивое описание. И вот эта работа с произвольным текстом задания, понимание контекста, погружение в логические противоречивости — с этим ИИ в обозримом будущем не справится. Может быть, постепенно программисты станут кем-то вроде аналитиков, то есть будут общаться с источником требований и переводить их в описание, понятное ИИ.
А полная замена программистов — это уже общий искусственный интеллект, понимание причин и следствий мира. Это точно не горизонт ближайших десятилетий. К этому моменту, пожалуй, большая часть человеческих профессий будет автоматизирована. И само понятие работы будет восприниматься как-то по-другому».
Алина Коваленко
Senior Software Engineer в Uber, постоянный герой наших статей
«Для того, чтобы ИИ смог написать программу, кто-то должен сказать ИИ, что должно быть сделано, а это и есть программа. На самом деле в долгосрочной перспективе всё возможно, но это не произойдет так быстро, чтобы мы успели перестать быть нужными. ИИ нуждается в тренировке, калибровке и проверке прежде, чем сможет работать самостоятельно. Это уже не говоря о том, что пока что никто не написал/не обучил ИИ до какого-никакого приличного уровня.
Возможно, со временем меньше людей станет обучаться программированию. Ближайшая аналогия — самоуправляемые автомобили. Вряд ли они прямо сейчас станут единственным доступным транспортом — кто-то не захочет пересаживаться, кто-то не сможет их себе позволить, на каких-то дорогах они не могут ездить. А значит, процесс перехода займет некоторое время, и профессия водителя изживет себя медленно. Люди успеют приспособиться».
python-разработчик из нашей истории о Таллине
«Я считаю, что достижимый максимум — это симбиоз программиста и AI. Программисты будут придумывать, что сделать, создавать заготовки, а ИИ — оптимизировать их и писать по шаблонам.
Пока мы уже на пороге явления, когда наращивать вычислительные мощности не получится. Уже делают микросхемы по техпроцессу 2нм. А на таких размерах включаются квантовые эффекты. Если соберут рабочий квантовый компьютер, возможно, что-то и получится, но только при условии колоссальных затрат на поддержание его работы. На написание мелких программ его не пустят. Поэтому пока компьютеры не сравнятся по сложности и мощности с мозгом, без работы мы не останемся».
Закончим уже баянистым комиксом, который видели, наверное, все:
Он в целом довольно точно отражает суть. Даже если когда-нибудь ИИ сможет полноценно писать код с нуля, ему нужно будет ставить задачи. И люди, которые будут ставить задачи, останутся нужны. Может быть, это будут не программисты в нынешнем понимании, но вырастут они скорее всего именно из разработчиков.
Что было в мире искусственного интеллекта в 2021 году
Пару недель назад вышел новый отчет «State of AI Report 2021». Уже несколько лет подряд такой отчет ежегодно выпускает венчурный фонд «Air Street Capital». Он инвестирует в компании в области искусственного интеллекта (ИИ) и наук о жизни (НЖ) на ранних стадиях. Миссия фонда – создавать устойчивые компании, оказывающие долгосрочное влияние на рынки. В портфеле фонда сейчас шесть стартапов в ИИ и семь в НЖ. Еще тринадцать стартапов было проинвестировано в прошлом. Портфель диверсифицирован по странам – сейчас их семь в портфеле. Ссылка на слайды – внизу.
Ключевые выводы из отчета, которые подчеркивают сами авторы
ИИ развивается в прикладных направлениях. ИИ все чаще применяется к критически важной инфраструктуре, такой как национальные электрические сети или автоматизированные складские помещения, что особенно актуально во время пандемии. Всё еще сохраняются вопросы о том, какие отрасли промышленности «дозрели» до ИИ. Фокус смещается с вопроса о моделях на вопросы о данных.
ИИ штурмом захватил биологию. ИИ позволил ускорить моделирование клеточных механизмов человека (белков и РНК), что потенциально может очень сильно изменить разработку новых лекарств и здравоохранение в целом.
Развитие архитектур общего назначения для машинного обучения. Эти архитектуры лидируют во многих областях, включая НЛП, компьютерное зрение и даже предсказание структуры белков.
Инвесторы тоже обратили внимание на ИИ. В этом году мы наблюдаем рекордное финансирование стартапов в области ИИ. Произошло два первых IPO компаний, занимающихся открытием новых лекарств с помощью ИИ, а также IPO для компаний в области инфраструктуры данных и кибербезопасности.
Сильное повышение качества ИИ-исследований в Китае. Университеты Китая быстро перешли от полного отсутствия публикаций по ИИ в 1980 году до самого большого объема качественных исследований в области ИИ на сегодняшний день. Китайские институты теперь опережают наиболее известные западные.
Вопросы этики. Целый ряд организаций продвигают ИИ, и все чаще звучит озабоченность по поводу наборов данных, используемых для обучения моделей ИИ, предвзятостей в контрольных показателях оценки моделей.
Проблемы с чипами. Зависимость мира от полупроводниковой промышленности Тайваня, которая производит микросхемы для глобальных технологических гигантов, является центральной точкой геополитической напряженности.
Что из ожиданий оправдалось и нет за 2021 год
Оправдалось, что появилась модель с многими триллионами параметров (32 триллиона у Microsoft).
Оправдалось, что были первые реструктуризации внутренних ИИ-лабораторий – кейсы McDonalds (продана в IBM) и Alibaba AI lab.
Оправдалось, что Nvidia не успеет завершить сделку по приобретению Arm.
Не оправдалось, что Facebook сделает прорыв в области AR/VR.
Что в этом году было интересного в области ИИ-исследований и обучения?
1. Codex (OpenAI) – специализированный потомок GPT-3, который ориентирован на перевод естественного языка в функциональный компьютерный код.
В то же время Codex все еще не сможет сделать за Вас задачки на Coding Interview. Особенно плохо у него со сложными вопросами – не набирает и 5%. Так что программисты еще нужны 🙂
Нужны и математики – ИИ-моделям от Berkeley удалось решить задачи только в среднем в 5% предложенных кейсов, тогда как PhD-студент справился с 40% кейсов.
2. Какие фреймворки самые распространенные в публикуемых работах? Наглядно показывает диаграмма ниже, 60% – у PyTorch.
3. «Сговор рецензентов». Интересное наблюдение – число принятых к публикации статей растет медленнее числа подаваемых статей, причем статьи самих рецензентов или связанных с ними лиц принимаются к публикации существенно чаще.
4. Все чаще и чаще публикации требуют открытия программного кода.
5. На исследовании в 1,2 млн человек доказали эффективность COVID-вакцин.
6. Китайцы вырвались вперед по числу ИИ-публикаций. Напомню, китайской академии наук всего 72 года, не так уж и давно её просто не было.
7. Китайские студенты стремятся устроиться на «работу мечты» в Huawei и Tencent, и только 16% уезжает в США и другие страны. Хотя цифра в 16% совсем не маленькая – для сравнения, в России это всего около 1,5%
8. Число ИИ-студентов растет сильно быстрее числа ИИ-профессоров. В Германии уже 1 профессор на 100 студентов, и ситуация ухудшается.
9. Доля работающих удаленно теперь доминирует:
Что в этом году было интересного в области ИИ для промышленности?
1. Масса новых применений ИИ для биологии и медицине (см. слайды). Сильно сокращаются сроки появления новых субстанций и стоимость их разработки за счет более целенаправленного поиска.
2. Расширение спектра применений компьютерного зрения.
3. Расширение применений ИИ в сельском хозяйстве – от анализа урожайности до анализа беременности коров.
4. Европа и США хотят купить себе полупроводниковый суверенитет. По некоторым оценкам, цена вопроса – триллион долларов.
Чем правее по цепочке добавленной стоимости, тем больше там азиатов:
Роль азиатского региона возросла, а вот США еще не окончательно сдали позиции:
5. Компании на стыке ИИ и компьютерной безопасности дорожают в этом году особенно быстро. Включите их в свой портфель! Примеры публичных компаний: CrowdStrike ($60B), Darktrace (£5B), SentinelOne ($18B), Riskified ($6B).
6. Таблицы Google Sheets научились предсказывать формулы:
7. Отказ от Cookies. Вместо этого в Chrome уже используется Federated learning (FL) – это метод машинного обучения, который позволяет обучать модели на нескольких децентрализованных серверах без централизации данных обучения.
8. ИИ получил первый патент. Система Dabus в ЮАР изобрела систему блокировки пищевых контейнеров. Смотрите тут. В патенте описан контейнер для пищевых продуктов, в котором используются фрактальные конструкции для создания ямок и выпуклостей на его сторонах. Одно из преимуществ состоит в том, что несколько контейнеров можно более плотно соединить друг с другом, чтобы облегчить их транспортировку. Во-вторых, роботизированным манипуляторам будет легче поднимать их и удерживать.
10. Инвестиции в ИИ-стартапы составляют 2/3 инвестиций в SAAS-стартапы.
11. Закон о защите личной информации (PIPL), GDPR Китая, вступит в силу в ноябре 2021 года. Но китайские регулирующие органы действуют быстро. Они уже предлагают закон об рекомендательных алгоритмах.
Что ИИ ждет в следующем году?
Трансформер-архитектуры заменят рекуррентные сети.
Размер рынка ASML достигнет 500 миллиардов долларов.
DeepMind сделает исследовательский прорыв в области естественных наук.
Нас ждет волна консолидаций на рынке полупроводников для ИИ.