Рубрика развивается при поддержке
Будущее
Daria Khokhlova
5306

Какие технологии искусственного интеллекта окажутся популярными в ближайшие 10 лет Материал редакции

Выводы исследователей Массачусетского технологического института, которые изучили 16 625 научных работ по теме.

В закладки

Практически все алгоритмы ИИ, о которых говорят в последнее время, относятся к направлению Deep Learning (глубокое обучение). Технологии из этой категории обрабатывают большие объёмы данных и ищут в них закономерности.

Как отмечают исследователи Массачусетского института, алгоритмы глубокого обучения показывают очень хорошие результаты в задачах, связанных с имитацией человеческих навыков: например, зрения, слуха или мыслительного процесса. Их применяет Google — для формирования поисковой выдачи, Facebook — в новостной ленте, Netflix — в рекомендательной системе.

«Но хотя глубокое обучение и заставило человечество обратить внимание на технологии ИИ, это направление — лишь малая часть огромного поля исследований, в которых человечество пытается воспроизвести собственный разум», — замечают авторы.

Вся история изучения ИИ состоит из периодов, в которые на передний план выходят различные технологии. Некоторое время они борются за внимание сообщества, потом одна одерживает верх — и перетягивает фокус на себя. В 2011 году никто и не подозревал, что в этом десятилетии на передний план выйдет глубокое обучение.

Издание MIT Technology Review проанализировало 16 625 материалов на крупнейшей открытой платформе научных публикаций arXiv и выяснило, какие технологии упоминаются в них чаще всего.

Количество материалов, в которых встречается словосочетание artificial intelligence, в зависимости от даты публикации

При этом, замечают авторы исследования, раздел об искусственном интеллекте появился в arXiv только в 1993 году (сама платформа запущена в 1991 году), но термин «искусственный интеллект» впервые использовали в 1950-х годах, так что анализ покрывает только часть истории направления. Кроме того, на arXiv публикуется информация только о части разработок учёных.

Машинное обучение

«Самый важный сдвиг, который мы обнаружили, заключается в переходе в начале 2000-х годов от систем, основанных на знаниях (knowledge-based systems), к парадигме машинного обучения. Учёные отказались от идеи, что для описания всех человеческих знаний можно использовать заранее заданные правила, и обратились к большому классу алгоритмов — машинному обучению, которое включает в том числе глубокое обучение».

С этим переходом в работах резко снизилось количество слов «логика», «ограничения», «правила», «программа» («запрограммировать»), а количество слов «данные», «обучение», «сеть» и «производительность» — наоборот, выросло.

В 1980-х годах идея о воссоздании в машине человеческий разум набрала большую популярность, но быстро выяснилось: чтобы алгоритм мог сделать что-то полезное, исследователям пришлось бы описать слишком много правил. Разработка была дорогой и длительной, а машинное обучение предполагает, что компьютер сам извлечёт правила из большого количества данных.

Бум нейронных сетей

Нейронные сети — основной механизм глубокого обучения, замечает MIT Technology Review, но они не сразу завоевали популярность. Учёные протестировали множество других методов и моделей: байесовские сети, метод опорных векторов, эволюционные алгоритмы.

Все эти методы боролись за популярность, пока в 2012 году исследователи из Университета Торонто под руководством Джеффри Хинтона не показали алгоритм, основанный на глубоком обучении, который распознавал изображения лучше, чем все изобретённые до этого методы.

Обучение с подкреплением

Последняя веха, которую обнаружили исследователи из Массачусетского института, связана с ростом интереса к методам обучения с подкреплением.

Идея обучения машины при помощи условных наград и наказаний, как животное, не нова, но воплотить её долго не получалось. Но в 2015 году команда DeepMind показала алгоритм AlphaGo, который был обучен при помощи метода подкрепления, и смог победить чемпиона по игре Го. Это возымело эффект.

Что дальше

«Главное, что показывает наше исследование, — это непостоянство учёных в их стремлении воспроизвести разум. Пока никто не знает, как на самом деле можно решить эту задачу», — пишет MIT Technology Review.

Популярные технологии меняются каждые десять лет, и следующее десятилетие, считают авторы, не станет исключением: это значит, что эра глубокого обучения подходит к концу. Правда, пока не ясно, какие алгоритмы займут их место — совершенно новые или те, которые уже изучили.

{ "author_name": "Daria Khokhlova", "author_type": "editor", "tags": ["\u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0435\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435","\u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439\u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442","\u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b"], "comments": 6, "likes": 16, "favorites": 55, "is_advertisement": false, "subsite_label": "future", "id": 58093, "is_wide": false, "is_ugc": false, "date": "Mon, 11 Feb 2019 11:55:28 +0300", "is_special": false }
Самый сильный бренд
страны*
*Третий год подряд по версии Brand Finance
0
{ "id": 58093, "author_id": 5723, "diff_limit": 1000, "urls": {"diff":"\/comments\/58093\/get","add":"\/comments\/58093\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/58093"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 199118, "last_count_and_date": null }
6 комментариев
Популярные
По порядку
Написать комментарий...
2

Учёные не понимают "механизм" сна, куда уж им сделать "механизм" творчества.
Но подоить "инвесторов" - это смогут.

Ответить
1

Зато заменить массу людей в экономике (до 90%) они смогут.

Ответить
3

Есть такая вероятность, эти 90% ведь реально ничего не производят, циферки переписывают, картинки переставляют и в сети базарят.
Если же на каждой коровке и другой скотинке, на каждом станке, авто, полке магазина и т.д. установить датчики, то циферки пойдут прямо ИИ, в том числе и в министерства торговли, финансов, статистики, а "масса людей" соответственно пойдет "гулять".

Ответить
1

Хохма в том, что выиграет то общество, которое как можно быстрее отправит "гулять" лишние массы своего населения, потому что из этой массы, найдется приличное кол-во тех, кто начнет делать что-то реально полезное, что трудно или невозможно автоматизировать.

Ответить
1

Опять соглашусь - выиграют страны, где граждане станут первыми делать что-то реально полезное в сфере ИИ для других стран.
Ну и разумеется вне конкуренции будут товары реальной экономики этих стран.
Да и нереальной тоже.

Ответить
0

- какие алгоритмы займут их место

Никакие. Была десять лет назад надежда, что Хокинс займёт место Хинтона, но успешность ИНС последнего подавила все ростки альтернативных исследований.

Ответить
{ "page_type": "article" }

Прямой эфир

[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "Article Branding", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "cfovx", "p2": "glug" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Баннер в ленте на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "disable": true, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } }, { "id": 20, "label": "Кнопка в сайдбаре", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "cgxmr", "p2": "gnwc" } } } ] { "page_type": "default" }