2 Основы и драйверы Искусственного Интеллекта
Аннотация
В этой главе мы обсуждаем основы и драйверы Искусственного Интеллекта. Ключевыми драйверами являются закон Мура, цифровизация и дематериализация продуктов, услуг и процессов, связь между ними в рамках глобальной сети, большие данные и новые технологии. Мы также анализируем инвестиции в Искусственный Интеллект.
Не только отдельные факторы ответственны за то, что Искусственный Интеллект приобрел такое значение в последние годы. Скорее, это взаимодействие различных разработок, которые усиливают друг друга. Следующие драйверы Искусственного Интеллекта заслуживают особого упоминания (ср. Brynjolfsson & McAfee, 2014, с. 277f; Kreutzer & Land, 2015, 2016):
• Экспоненциальное развитие производительности ИТ-систем и основанных на них технологий
• Прогресс цифровизации и дематериализации во все большем количестве областей создания стоимости
• Увеличение связанности объектов, процессов и людей, что приводит не только к развитию Интернета вещей (IoT), но и к Интернету всего (IoE).
Особенно "смесь экспоненциальных, цифровых и комбинаторных инноваций" предлагает множество возможностей и рисков для компаний (Brynjolfsson & McAfee, 2014, с. 277).
Ящик памяти
Эти разработки приводят к тому, что будущие изменения никогда не будут происходить так медленно, как раньше! Давайте насладимся "медленностью изменений, пережитых до сих пор"! Так комфортно уже не будет, потому что скорость изменений теперь будет невероятно возрастать!
60 2 Основы и драйверы Искусственного Интеллекта
2.1 Закон Мура и эффекты экспоненциальности
Сочетание упомянутых выше движущих сил Искусственного Интеллекта приводит к переломному моменту в смысле важного изменения тенденции в сторону экспоненциального развития в системах ИИ. Для понимания того, что означает экспоненциальный рост, помогает следующее размышление:
• Сколько метров человек преодолевает, делая 31 аналоговый шаг длиной в один метр? Около 31 м.
• Сколько метров человек преодолевает, делая 31 экспоненциальный шаг, при этом размер шага удваивается от шага к шагу? Когда мы делаем 31-й экспоненциальный шаг, мы преодолели более миллиарда метров!
Эта экспоненциальность является основой закона Мура. Основываясь на эмпирических наблюдениях, Гордон Мур вывел "закон" еще в 1965 году о том, что удвоение производительности интегральных схем может быть достигнуто примерно каждые два года. Если мы датируем создание первой интегральной схемы 1958 годом, то сейчас у нас более 32 циклов удвоения позади. Это означает, что эти удвоения теперь происходят на уже очень высоком уровне производительности.
Конец этого развития еще не виден, хотя динамика развития интегральных схем немного замедлилась в последние годы — поскольку механика миниатюризации достигла своих физических пределов. Тем не менее, следующие скачки в технологии и производительности превзойдут все, что было достигнуто до сих пор. Сейчас следующий гигантский импульс ожидается от квантовых вычислений, которые преодолевают дихотомию "0" и "1".
Пища для размышлений
Если бы автомобильная промышленность достигла тех же технологических прорывов, что и компьютерная промышленность, то автомобиль Volkswagen Beetle 1971 года сегодня развивал бы скорость 480 000 км/ч — при цене покупки 0,045 доллара США (ср. Hohensee, 2015). Таковы последствия описанных экспоненциальных скачков в развитии!
2.2 Цифровизация и дематериализация продуктов, услуг и процессов
Параллельно экспоненциальному развитию происходит цифровизация и, соответственно, дематериализация продуктов, услуг и процессов во многих областях. Преодоление физичности продуктов, услуг и процессов, связанное с дематериализацией, часто создает предпосылки для доступа к этим областям для Искусственного Интеллекта, поскольку физические границы и ограничения становятся избыточными (ср. Kreutzer & Land, 2015).
Рисунок 2.1 визуализирует степень дематериализации. Он показывает, какие приложения уже были перенесены в цифровую форму на смартфоны или другие мобильные устройства и превращены в умные сервисные терминалы. Независимые продукты, такие как телефоны, фотоаппараты, часы, будильники и диктофоны, стали базовыми функциями смартфона и прочно интегрированы в него. Зеркало для макияжа заменено функцией селфи. Многие другие продукты были превращены в приложение: диапазон включает строительный уровень, фонарик и компас. Кроме того, можно контролировать артериальное давление, играть в онлайн-игры и диктовать электронные письма, заметки и т. д. через Siri и Co. Поэтому их аналоговые аналоги отпадают. В то же время навигационные системы, расписания и системы мобильных платежей доступны в цифровом виде через различные приложения. Целые цепочки административных процессов также перенесены на смартфон.
Кроме того, рисунок 2.1 показывает, что контроль доступа также становится все более дематериализованным. Он варьируется от бесключевого доступа к автомобилям до онлайн-регистрации в отелях, на рейсы и в кинотеатрах. Также доступ к умному дому можно контролировать через приложение. В то же время смартфон также охватывает — само собой разумеется — важные каналы получения информации: ТВ, радио, телефон и Интернет. Это позволяет получить доступ ко "всем" человеческим ресурсам через портативное устройство.
Рисунок 2.1 также показывает, что смартфон развивается в центральную контент-платформу. В цифровой форме книги, газеты, журналы, а также CD и DVD или их содержимое физически доступны на смартфоне. В качестве альтернативы желаемое содержимое (например, музыка и видео) можно транслировать, когда пользователь его запрашивает. Классические картографические работы (например, карты городов или уличные карты) дематериализованы, поскольку необходимый контент для навигации доступен онлайн. Даже расписания рейсов в виде книг (например, от Lufthansa), которыми много лет назад оснащался каждый менеджер,
Рисунок 2.1 Дематериализация продуктов, услуг и процессов — развитие умного сервисного терминала (Рисунок авторов)
больше не печатаются. Здесь тоже дематериализовалось содержимое. Предоставление купонов все больше переходит в онлайн-мир. Фотографии переместились из фотоальбома на мобильное устройство: Когда вы последний раз показывали кому-то фотоальбом — и не представляли свои фотографии на смартфоне или планшете? Если вы на самом деле до сих пор используете фотоальбом, это приводит к эффектам неожиданности — обычно положительным.
С дематериализацией продуктов и услуг также могут быть цифровизированы базовые процессы. Здесь нам следует подумать о консультационных процессах через чат-ботов. Процессы оплаты также все больше дематериализуются (не в последнюю очередь благодаря внедрению Alipay, Apple Pay, Google Pay, WeChatPay и т. д.). Самый большой сдвиг процессов в цифровой мир произошел в онлайн-покупках.
Следующий этап цифровизации уже возникает: умные ткани. Это умная одежда или текстиль. Материалы, содержащие цифровые компоненты (например, маленькие компьютеры), могут использоваться для коммуникации.
2.3 Соединение продуктов, услуг, процессов, животных и людей
Описанные разработки подкрепляются тенденцией к соединению "вещей". Рисунок 2.2 показывает соответствующие измерения. Поскольку связь происходит через Интернет, мы говорим об Интернете вещей (IoT).
Однако динамика связанности сегодня не ограничивается "вещами". Не только продукты, но и услуги, процессы, животные и люди связаны друг с другом. Поэтому мы используем термин Интернет всего (IoE). Рисунок 2.3 показывает соответствующие области, о которых нам следует подумать. Интернет вещей является подмножеством Интернета всего. В частной среде такие вещи, как часы, холодильники, автомобили, дома, будки, куклы и т. д., подключены к Интернету. Кроме того,
Рисунок 2.2 Как будет развиваться "интенсивность подключения"? (Рисунок авторов на основе Statista 2018)
и все больше процессов взаимосвязаны. В бизнес-среде это может поддержать связь между полевым персоналом и бэк-офисом, а также между различными производственными площадками по всей стране и по временным границам.
Кроме того, данные из разных источников могут быть проанализированы вместе. Это особенно интересная область применения Искусственного Интеллекта (ср. рис. 2.3). В дополнение, связанное использование датчиков генерирует все больше и больше данных, которые релевантны для процессов ИИ. Поскольку затраты на датчики постоянно снижаются, возникнет сенсорная экономика, которая комплексно вмешивается в повседневную реальность всех людей. Уже описанные пользовательские интерфейсы через голос и изображение также поддерживают генерацию дальнейших данных, которые еще больше расширяют Интернет всего и формируют основу для экспертных систем и использования роботов.
Наконец, все больше и больше людей могут быть напрямую подключены к Интернету (ср. рис. 2.3). Это может быть достигнуто с помощью фитнес-трекеров или — в случае киборгов — напрямую через имплантированные чипы. Киборг относится к людям, которые постоянно дополнили свои тела искусственными компонентами (здесь чипы). ЧИП-имплантация людей называется бодихакингом.
Интенсивность связанности будет дальше возрастать за счет проникновения LPWAN (Low Power Wide Area Network). LPWAN в настоящее время является самой быстрорастущей технологией IoT. Она соединяет устройства с питанием от батарей с низкой пропускной способностью и низкими битрейтами даже на больших расстояниях (до 30–35 км). Эта технология позволит использовать дальнейшие приложения ИИ.
Воздействие Интернета всего количественно прогнозирует Cisco (2015). К 2022 году ожидается, что Интернет всего принесет мировую прибыль и сбережения в следующем порядке:
• 2,5 трлн долларов США за счет лучшего использования активов
• 2,5 трлн долларов США за счет повышения производительности сотрудников
Рисунок 2.3 Дизайн Интернета всего (Рисунок авторов)
• 2,7 трлн долларов США за счет улучшения цепочки поставок
• 3,7 трлн долларов США за счет улучшения клиентского опыта
• 3,0 трлн долларов США за счет инноваций
В общей сложности Интернет всего, как ожидается, принесет 14,4 трлн долларов США прибыли и сбережений. Прогнозируется рост корпоративной прибыли до 21% (ср. Cisco, 2015). Мы не должны следовать этим цифрам в каждой детали — просто взгляд на предвидимый потенциал должен побудить к действию!
Ящик памяти
Эффекты, связанные с развитием Интернета всего, окажут драматическое влияние на отдельные компании, целые отрасли и каждую отдельную страну. Поэтому эти разработки следует не только наблюдать, но и активно формировать!
2.4 Большие данные
Как уже упоминалось, база данных имеет особое значение для обучения алгоритмов ИИ. Здесь крайне важно, чтобы компании имели доступ к большим данным — т.е. к большому, квалифицированному кладу данных. Большие данные можно определить по следующим критериям (ср. рис. 2.4; Fasel & Meier, 2016, с. 6; Kreutzer & Land, 2016, с. 125f):
Рисунок 2.4 Пять В больших данных (Рисунок авторов)
• Объём (с точки зрения объёма данных или набора данных)
“Объём” описывает количество доступных данных. Это количество определяется широтой и глубиной доступных данных. Из-за возрастающего использования датчиков и связанности все большего количества объектов генерируются обширные потоки данных.
• Скорость (с точки зрения скорости генерации данных)
“Скорость” описывает скорость, с которой наборы данных либо вновь создаются, либо существующие обновляются, анализируются и/или удаляются. Сегодня — например, из-за возрастающего использования датчиков — многие изменения могут быть записаны, задокументированы и, при необходимости, оценены в реальном времени.
• Разнообразие (с точки зрения множества источников данных и форматов данных)
“Разнообразие” относится к большому количеству внутренних и внешних источников данных, которые должны обрабатываться — часто одновременно — в ходе приложений ИИ. “Разнообразие” также относится к большому количеству различных форматов данных (таких как структурированные, частичные и неструктурированные данные, а также фотографии и видео), которые необходимо оценить.
• Достоверность (с точки зрения качества данных и источников данных)
“Достоверность” относится к качеству доступных данных и источников данных. В сравнении с дополнительным критерием “ценность”, “достоверность” не касается значимости данных в смысле семантики, а только формального информационного содержания. Качество данных в “достоверности” может быть описано следующими измерениями:
– Корректность (с точки зрения отсутствия ошибок)
– Полнота (с точки зрения охвата всех релевантных областей)
– Согласованность (с точки зрения отсутствия противоречий)
– Актуальность (с точки зрения достоверности данных во времени)
Это также включает вопрос о достоверности данных с точки зрения отсутствия систематических искажений. Здесь особенно важно критически оценивать заявления, сделанные про-домовскими источниками. "Про-домо" буквально означает "для дома", а в переносном смысле "в своих интересах" или "для своей выгоды". Если национальная ассоциация автомобильной промышленности представляет определенные выводы, можно предположить, что эти заявления находятся под влиянием повестки дня автомобильной промышленности. Поэтому они могут содержать (частичное) "искажение". Это также относится ко многим публикациям компаний, которые хотят представить свои достижения в позитивном свете. Если эти эффекты не учитываются — даже с самыми изощренными алгоритмами — может произойти эффект GIGO: "мусор на входе — мусор на выходе" или в просторечии "дерьмо на входе — дерьмо на выходе". Шокирующим примером этого является чат-бот Tay, использовавшийся Microsoft в 2016 году (ср. раздел 4.1.2).
• Ценность (с точки зрения релевантности данных)
“Ценность” относится к релевантности данных в отношении конкретного приложения.
Релевантность и взаимодействие этих критериев будут проиллюстрированы автомобилем с поддержкой ИИ. Уже сегодня подключенный автомобиль генерирует объем данных около 25 гигабайт в час (объем). Эти данные создаются и изменяются в реальном времени и должны — частично — обрабатываться в реальном времени (скорость).
Автономно управляемый автомобиль должен одновременно оценивать данные о погоде, информацию о встречном/текущем трафике, дорожных условиях, пункте назначения и многое другое. Эти данные доступны в структурированной, полуструктурированной и неструктурированной форме. Кроме того, фотографии и видео должны непрерывно оцениваться (разнообразие). Важно, чтобы обрабатываемая информация о пробках относилась к выбранному маршруту — и чтобы пробка не рассосалась час назад. Кроме того, датчики не должны быть грязными, иначе они будут передавать неверные данные (достоверность). Наконец, данные должны быть релевантны для транспортного средства. В этом смысле предупреждения о пробках на маршрутах, которые вообще не используются, бесполезны. Это также относится к погодной информации, касающейся районов, не затронутых транспортным средством. Ссылка на камеры контроля скорости на дорогах, которые не используются, также вводит в заблуждение (ценность).
Ящик памяти
Овладение пятью В больших данных — главная задача для Искусственного Интеллекта. Качество обработки данных напрямую влияет на качество всех приложений, основанных на нем.
Рисунок 2.5 показывает развитие объема данных. Здесь становится ясно, что происходит экспоненциальное развитие в отношении доступности данных. Для приложений ИИ крайне важно обеспечить связанность различных источников данных и категорий данных.
Какие наиболее важные источники данных стоят за этим экспоненциальным ростом объемов данных на рисунке 2.5? С одной стороны, сами вещи и процессы генерируют все больше и больше данных о своем использовании (часто через уже упомянутые датчики). В их "умной" форме (т.е. подключенной через Интернет) они предоставляют свои данные через Интернет, как Умные часы, Умный дом, Умный холодильник и т.д. Также при использовании цифровых процессов, таких как потоковые сервисы от Spotify, Maxdome или Netflix, генерируется большое количество данных о поведении
Рисунок 2.5 Большие данные — развитие глобального объема данных в экзабайтах. Источник: Адаптировано из Gantz и Reinsel (2012, с. 3) и Turner, Gantz, Reinsel и Minton (2014)
пользователей. Спектр варьируется от типа просмотренного или прослушанного содержимого, до времени и места, до информации, в которой зрители или слушатели прервали процесс потоковой передачи.
С другой стороны, люди также создают и делятся тоннами данных. Глобальное общение до сих пор доминирует по электронной почте. Чтобы дать вам представление о масштабах, вы можете увидеть ниже, насколько интенсивно используются каналы коммуникации. Цифры показывают уровень активности за 60 секунд в Интернете (ср. Desjardins, 2018):
• 187 миллионов отправленных электронных писем
• 38 миллионов сообщений WhatsApp
• 18 миллионов текстовых сообщений
• 4,3 миллиона просмотренных видео на YouTube
• 3,7 миллиона поисковых запросов в Google
• 2,4 миллиона созданных снэпов
• 1,1 миллиона свайпов в Tinder
• 0,973 миллиона входов в Facebook
• 0,481 миллион отправленных твитов
• 0,375 миллиона скачиваний приложений
• 0,266 часа просмотрено на Netflix
• 0,174 миллиона прокруток Instagram
Здесь — теоретически — существует почти неограниченный потенциал данных, который релевантен для приложений ИИ. Здесь релевантно не только содержание сообщений, но и метаданные, связанные с ними. Эти "данные о данных" говорят о том, кто, когда, откуда и с кем общался, как долго (например, в телефонных разговорах — независимо от содержания разговора). В поисках Google — в дополнение к содержанию — записывается, с какого устройства, с какой интенсивностью, с каким результатом и как долго проводился поиск. Все эти данные формируют так называемую цифровую тень, которую мы оставляем в нашей онлайн-активности — независимо от того, нравится нам это или нет. Такие данные также относятся к гигантским потокам данных, которые так интересны для приложений ИИ — когда у вас есть к ним доступ.
Эти разработки основаны на законе Цукерберга (Hansell, 2008):
Я ожидал бы, что в следующем году люди будут делиться информацией в два раза больше, чем в этом году, а через год — в два раза больше, чем в предыдущем. Это означает, что люди используют Facebook, и приложения, и экосистему, все больше и больше.
На самом деле, это прекрасная предпосылка для разработки высокопроизводительных систем ИИ. Мы должны учитывать, что политики в Европе с энтузиазмом обсуждают Общий регламент по защите данных (GDPR), который вступил в силу 25 мая 2018 года. Здесь объявлено о важном этапе, что всестороннее использование данных компаниями наконец-то предотвращено. Крупные бюджеты и много энергии было инвестировано в разработку процессов, чтобы соответствовать "замечательному" принципу GDPR "запрет с
резервированием разрешения", а также правила "конфиденциальность по дизайну", "конфиденциальность по умолчанию" и "нехватка данных".
Многие люди упускают из виду то, что уже было описано в 2009 году как закон диспропорциональности информации: "Чем больше информации о потребителе или лице, принимающем решение, или компании, тем точнее могут быть размещены предложения. Это означает, что нам нужна дополнительная информация о лидах и клиентах, чтобы предоставить им более релевантную информацию" (Kreutzer, 2009, с. 69). Этот принцип применим, в частности, к использованию Искусственного Интеллекта!
Поэтому весьма сомнительно, что нехватка данных, требуемая GDPR, является правильным путем, если Европа хочет играть в высшей лиге, когда речь заходит об Искусственном Интеллекте. Несмотря на то, что это уже много раз говорилось, это неверно:
• Данные — это новая нефть!
• Кто владеет данными, владеет бизнесом, владеет отраслью!
Европа только что решила, что этот поток данных больше не будет поступать в трубопроводы активных компаний, а только по капле. Кроме того, компании теперь неизбежно должны будут иметь дело с юридически совместимым внедрением GDPR. С одной стороны, это парализует существующие бизнес-процессы, когда компания постоянно должна иметь дело с тем, каким образом мы все еще можем получить доступ к клиенту и сохранить его данные. С другой стороны, это отвлекает от других важных тем — таких как стратегическая конфронтация с Искусственным Интеллектом! На этом фоне, как Искусственный Интеллект может быть успешно внедрен, если его производительность зависит от доступной информации?
Пища для размышлений
Шошана Зубофф, почетный профессор Гарвардской школы бизнеса, ввела термин Surveillance Capitalism для описания новых разработок. Она понимает его как "... мутацию современного капитализма. Его сырьем являются данные, полученные в результате мониторинга поведения человека. Эти данные о том, как кто-то себя ведет, преобразуются в прогнозы о том, как кто-то будет себя вести — и эти прогнозы продаются на новых рынках. Surveillance Capitalism берет свое начало в цифровой среде и доминирует сегодня. Он стал доминирующим, потому что открыл первый эффективный способ монетизации онлайн-трафика путем быстрого и надежного преобразования инвестиций в капитал. ...
Surveillance Capitalism... должен проникать все глубже в нашу повседневную жизнь, нашу личность, наши эмоции, чтобы предсказывать наше будущее поведение. ...
В Surveillance Capitalism... мы едва ли являемся клиентами и сотрудниками, но прежде всего источниками информации, данными аппарата, чьи функциональные возможности остаются в значительной степени скрытыми от нас. Это не капитализм для нас, это о нас. Он наблюдает за нами, чтобы разрабатывать свои продукты. ...
Неправильно говорить: 'Они сканируют мой опыт, мне нечего скрывать'. Я говорю: Кто нечего скрывать, тот никто. Наша внутренняя жизнь, наши личные переживания, установки, чувства и желания — это то, что делает нас людьми. Они — наша моральная родина. (Zuboff, 2018a, с. 68; 2018b; перевод авторов).
Совет по чтению
Если вы хотите углубиться в эту тему, мы рекомендуем книгу пионера Интернета Джарона Ланье "Десять причин, почему вам нужно немедленно удалить свои аккаунты в социальных сетях". Ланье группирует свои замечания вокруг термина BUMMER. Эта аббревиатура означает "Behaviors of Users Modified and Made into an Empire for Rent" (Поведение пользователей, измененное и преобразованное в империю для сдачи в аренду). Интересный материал для размышлений.
2.5 Новые технологии
Новые технологии играют особенно важную роль в использовании потенциала данных, описанного выше. Они позволяют создавать новые бизнес-модели, например, на основе Интернета вещей или Интернета всего (ср. подробнее разд. 2.3). В то же время новые технологии также несут угрожающие риски, если компании не осознают их значимость для пользователей и не полагаются на соответствующие технологии достаточно быстро. Тогда происходит явление "отбора" бизнес-моделей, которые больше не могут выживать, известное как Цифровой Дарвинизм (ср. подробнее Kreutzer & Land, 2016).
Для компаний и вас, как читателя, это идет рука об руку с вопросом о том, на какие технологии следует сосредоточить внимание — а какие можно пренебречь? Важным ориентиром для компаний является ежегодно обновляемый цикл ажиотажа новых технологий Gartner. Он показывает фазу жизненного цикла, на которой находятся межотраслевые релевантные технологии. Эти фазы технологической жизни определены Gartner на основе ожиданий, связанных с каждой технологией (ср. рис. 2.6).
Gartner определяет пять различных фаз с точки зрения технологических ожиданий, которые предоставляют информацию о состоянии ожиданий и проникновении новых технологий на рынок.
• Инновационный триггер
На этой фазе публикуются первые идеи новых технологий, которые подхватываются СМИ. На этом раннем этапе еще невозможно предсказать, будут ли эти технологии использоваться устойчиво.
• Пик раздутых ожиданий
На этой фазе публикуются первые истории успеха, что стимулирует дальнейшие ожидания в отношении новой технологии. В то же время становятся видны первые неудачи в использовании технологии, что доводит ожидания до предела. Использование технологии по-прежнему ограничено несколькими компаниями.
• Впадина разочарования
Эта впадина в жизненном цикле технологии основана на понимании того, что многие ожидания от новых "чудо-оружий" не оправдались. На этой фазе пшеница отделяется от плевел!
• Склон просвещения
На этой фазе все больше и больше компаний видят, как технология может быть использована с пользой. Предлагаются технологические разработки второго и третьего поколений исходной технологии, и их все чаще используют инновационно открытые предприятия и интегрируют в рабочий процесс.
• Плато производительности
Технология теперь широко используется, потому что ее преимущества не только видны, но и полностью окупаются. Использование в качестве основной технологии предопределено. Использование во все большем количестве компаний и областях применения — лишь вопрос времени.
Кроме того, Gartner представляет прогноз цикла ажиотажа о том, когда, вероятно, будет достигнуто плато производительности. Это видно на рисунке 2.6 по разной яркости отдельных технологий.
Майк Уолтер, вице-президент по исследованиям в Gartner (2018), метко резюмировал, как поступать с разработками, показанными на рисунке 2.6: "Как лидер в области технологий, вы будете продолжать сталкиваться с быстро ускоряющимися технологическими инновациями, которые глубоко повлияют на то, как вы общаетесь со своими сотрудниками, клиентами и партнерами. Тенденции, показанные этими новыми технологиями, призваны стать следующими наиболее
Рисунок 2.6 Цикл ажиотажа Gartner для новых технологий. Источник: Адаптировано из Gartner (2018)
значимыми технологиями, которые имеют потенциал нарушить ваш бизнес и должны активно отслеживаться вашими исполнительными командами."
Рисунок 2.7 показывает, какие отдельные разработки относятся к тенденциям, определенным Gartner (2018). В этой работе углублены аспекты, относящиеся к контексту Искусственного Интеллекта.
В цикле ажиотажа Gartner 2018 года (2018) доминируют следующие пять основных технологических тенденций (ср. рис. 2.7):
• Демократизированный Искусственный Интеллект
Тенденция с наибольшей разрушительной силой идет рука об руку с развитием Искусственного Интеллекта. Облачные вычисления, открытый исходный код и сообщество "мейкеров" делают соответствующие приложения доступными во всевозрастающих масштабах. Компании, которые первыми начали действовать, получат выгоду от непрерывного развития технологии. Самая большая сила изменений исходит от подразделений, в которых разработчики, специалисты по данным и архитекторы ИИ — даже за пределами национальных и отраслевых границ — работают вместе над разработкой убедительных приложений ИИ. В результате все больше областей жизни проникает решениями ИИ.
Область темы Deep Neural Nets (Глубокие нейронные сети) (Deep Learning), которая находится на пике ожиданий, будет способствовать повышению производительности систем ИИ (ср. рис. 2.6). Предложения виртуальных персональных помощников (таких как Alexa и Google Home), а также роботов для повседневного использования (таких как роботы для уборки пылесосом, мытья окон и стрижки газонов) будут стимулировать эту демократизацию вперед. Здесь также будут (все больше) интеллектуальные роботы, работающие рука об руку с людьми (так называемые коботы), которые предоставляют услуги в номерах или выполняют сложные задачи в производстве и логистике. Они будут поддерживать или заменять человеческий труд.
Рисунок 2.7 Тенденции Gartner в новых технологиях 2018 года. Источник: Адаптировано из Gartner (2018)
Для этой цели используются платформы для разговоров ИИ (также называемые пользовательскими интерфейсами для разговоров, CUIs), которые основаны на различных технологиях ИИ. Однако уже предвидится, что графические пользовательские интерфейсы (GUIs), которые до сих пор доминировали, скоро устареют. Эти интерфейсы служат для общения между человеком, с одной стороны, и машиной или системой, с другой. CUI - это речевые системы, которые позволяют общаться между человеком и машиной и соответствуют человеческому диалогу.
Эта категория также включает различные стадии автономных транспортных средств. Автономное вождение уровня 4 описывает транспортные средства, которые могут управлять в высокой степени — но не одни — без человеческого вмешательства. Они могут использоваться в выделенных областях. Ожидается, что такие транспортные средства выйдут на рынок в следующем десятилетии. Автономное вождение уровня 5 указывает на транспортные средства, которые действуют автономно во всех ситуациях и условиях. Соответствующие транспортные средства не требуют рулевого колеса или педалей. Такие "автомобили" представляют собой дополнительное рабочее и жилое пространство для людей.
Прежде всего, речь идет о освоении технологии автономного движения, которое — по данным Gartner (2018) — все еще требует как минимум от пяти до десяти лет разработки. Автономные летательные аппараты будут служить не только для перевозки людей, но и для перевозки медицинских принадлежностей и продуктов питания. Полностью автономные летательные аппараты могут быть разработаны легче, чем автономные транспортные средства на земле. С одной стороны, воздушное пространство сегодня уже строго контролируется. С другой стороны, люди в значительной степени исключены как "непредсказуемый фактор" в воздухе (за исключением планеристов, дельтапланеристов и парашютистов!). В ходе разработки необходимо преодолеть множество регуляторных и социальных проблем, начиная от размещения посадочных площадок и заканчивая избеганием аварий. Такие автономные летательные аппараты являются одной из 17 технологий, впервые включенных в цикл ажиотажа Gartner для новых технологий 2018 (ср. рис. 2.6).
Общий искусственный интеллект (AGI; ср. рис. 2.6) также находится в самом начале технологического жизненного цикла Gartner. В своей основе он относится к воспроизводству человеческого интеллекта. Цель состоит в том, чтобы система могла успешно выполнять любую интеллектуальную задачу, на которую способен человек. AGI является воплощением "сильного Искусственного Интеллекта" (ср. рис. 1.5; ср. Steunebrink, Wang, Goertzel, 2016).
Ящик памяти
Искусственный общий интеллект направлен на разработку принципов интеллекта, которые работают независимо от конкретной задачи или предопределенного контекста. Эти принципы призваны позволить машинам не только выполнять самую интеллектуальную задачу, на которую способен человек, но даже превосходить ее.
Интерфейс мозг-компьютер (BCI), который находится на пути к пику технологического жизненного цикла, может способствовать этому развитию (ср. рис. 2.6). Для этого также используются термины интерфейс мозг-машина (BMI) или компьютер мозг. В своей основе это интерфейс человеко-машина, который обеспечивает прямое соединение между мозгом и компьютером без активации периферической нервной системы. Для этого записывается электрическая активность мозга. Это можно сделать без хирургического вмешательства
(неинвазивно) посредством ЭЭГ (электроэнцефалографии). Для этой цели испытуемый должен надевать капюшон с большим количеством кабелей, что создает чрезвычайные трудности с удобством соответствующего приложения. В будущем могут помочь оптимизированные головные повязки. Система фМРТ (функциональная магнитно-резонансная томография) для записи активности мозга не требует никакого вмешательства. Для этого человека необходимо доставить в соответствующее устройство для записи активности мозга. Так называемые инвазивные процедуры не требуют этого высокого уровня механических усилий. Но для этого электроды имплантируются в мозг испытуемого для непосредственного измерения мозговых волн. Однако это требует прямого вмешательства в тело.
Основой этих разработок является тот факт, что представление определенного действия вызывает измеримые изменения электрической активности мозга. Таким образом, интерфейс мозг-компьютер может использоваться для определения, какие изменения в активности мозга коррелируют с какими идеями (ср. Bauer & Vukelic, 2018). Знания о связях, полученные таким образом, могут быть использованы в качестве сигналов управления для широкого спектра приложений. До сегодняшнего дня эта коммуникация успешно осуществлялась только в одном направлении ("одностороннее использование"). Люди могут передавать что-то машине посредством своих мыслей — но компьютер еще не может направлять какие-либо соответствующие мысли непосредственно в мозг ("двустороннее использование"). До сих пор люди (по-прежнему) зависят от своих проверенных органов чувств для распознавания реакций системы. Открытый вопрос, будет ли так всегда и хотим ли мы прямого обратной связи в мозг.
Текущие разработки показывают, что по крайней мере "односторонние" интерфейсы мозг-компьютер могут завоевать рынок через несколько лет. Происхождение этих приложений, среди прочего, заключается в возможности предоставления людям с физическими недостатками доступа к взаимодействию через компьютеры или инвалидные коляски. Управление на основе мыслей заменяет мышь, клавиатуру и сенсорный экран, которые требуют физического движения (ср. Stallmach, 2017). В игровой индустрии уже есть первые подходы, когда игра управляется только мыслями с помощью очков виртуальной реальности. В настоящее время следует отметить, что пользователи должны быть подключены с помощью диодов, прикрепленных контактным гелем (пример неинвазивного применения). Кроме того, обработка все еще очень медленная, а частота ошибок очень высокая. Однако интенсивные исследования используются для разработки решений, пригодных для повседневного использования.
Создатель Tesla Илон Маск также основал компанию Neuralink, которая разрабатывает компьютерные чипы для непосредственного подключения людей к Искусственному Интеллекту. Эти чипы имплантируются в мозг, чтобы выходить в сеть с помощью мысли. Ни пальцы, ни рот для этого не нужны, потому что соответствующие команды захватываются непосредственно в мозгу. Тот факт, что компания все еще нуждается во многих квалифицированных сотрудниках для достижения своей амбициозной цели, видно из количества вакансий, предлагаемых на сайте Neuralink (ср. 2019):
• Цифровой дизайнер (Verilog, C/C++)
• Инженер-электрик
• Специалист по ИТ-поддержке
• Руководитель ИТ-отдела
• Специалист по операциям/бухгалтер
• Инженер-технолог
• Координатор по подбору персонала
• Старший станочник с ЧПУ
• Старший инженер по безопасности программного обеспечения
• Инженер по программному обеспечению, Backend
• Инженер по программному обеспечению, робототехник
Facebook также ищет способы использовать мышление напрямую, без использования устной или письменной речи. Компания Neurable из Бранденбурга также разрабатывает решение, которое позволит "передавать мысли без геля". Контактная поверхность должна быть маленьким устройством в ухе (ср. Werner, 2018). Facebook уже объявил в 2017 году, что команда из 60 инженеров работает над разработкой интерфейсов мозг-компьютер. Опять же, цель — писать текстовые сообщения с помощью чистого мысленного управления (ср. Constine, 2017). Сегодня уже возможно, чтобы человек мог думать только о движении большого пальца руки робота — и она движется. Электроды, имплантированные в мозг или приложенные к голове извне, измеряют активность мозга, связанную с мыслью. Она передается системе ИИ, которая вычисляет предполагаемое движение (ср. Steiner, 2018, с. 28).
Представьте себе повседневную жизнь, где вы можете обмениваться мыслями с друзьями в метро с помощью чистого мысленного управления. Всего 15 лет назад мы едва ли могли себе представить такой обмен сообщениями через смартфоны. Интерфейсы мозг-компьютер — еще один пример того, как приложения ИИ изменят нашу повседневную жизнь.
Пища для размышлений
Прогноз интернет-инвестора Фабиана Вестерхайде: "Через пять лет каждая машина будет управляться речью, возможно, через десять лет — мыслью. Это будет самый большой рывок в ускорении" (Budras, 2018, с. 21).
• Цифровые экосистемы
Новые технологии требуют поддержки со стороны новых технологических основ и более динамичных экосистем (ср. рис. 2.7). Овладение этими экосистемами требует новых бизнес-стратегий, таких как переход к платформенно-ориентированным бизнес-возможностям. Это означает, что все больше и больше ранее изолированных технических инфраструктурных решений могут быть уничтожены. Тема блокчейнов может сыграть решающую роль в безопасности данных. Она имеет потенциал увеличить устойчивость, надежность, прозрачность и доверие в централизованных системах.
В эту область также входят все более важные платформы IoT или IoE. Платформы Интернета вещей в первую очередь связывают вещи вместе, тогда как платформы Интернета всего открывают гораздо больше приложений, которые также связывают людей, процессы и данные (ср. рис. 2.3).
Эта тенденция также включает в себя разработку цифровых двойников. Здесь виртуальное (цифровое) представление реального объекта обозначается трехмерной CAD-моделью, чтобы создать виртуальное зеркальное изображение. Сегодня такие виртуальные зеркальные изображения все чаще доступны для машин, сложных производственных мощностей, круизных лайнеров, высокоскоростных поездов и самолетов. Приложения ИИ могут использоваться не только для имитации проектирования, производства и дальнейшего развития. Техническое состояние, износ, техническое обслуживание и необходимый ремонт также могут быть имитированы в цифровом виде и прогнозироваться соответствующим образом. Это значительно упрощает работы по техническому обслуживанию и сокращает простои. Gartner (2018) оценивает, что в течение следующих пяти лет несколько сотен миллионов физических объектов получат цифрового двойника.
Цифровые двойники используются и на B2C-рынке. В H&M специалисты работают над программой Perfect Fit. С ее помощью покупатель может отсканировать себя дома. После этого цифровой двойник может примерить одежду онлайн, чтобы улучшить пользовательский опыт и одновременно сократить процент возврата (ср. Salden, 2018, с. 59).
• DIY биохакинг/бодихакинг
2018 год считается Gartner (2018) началом "трансгуманной" эры, в которой хакинг биологии и "расширение" возможностей человека набирают популярность и становятся доступными (ср. рис. 2.7). Это варьируется от простой диагностики до нейронных имплантатов и является предметом правовых и социальных вопросов этики и гуманности.
Биохакинг или бодихакинг относятся к переносу идеи IT-хаков на биологические системы, в первую очередь на человеческое тело (обычно самим пострадавшим), но также и на всю биосферу. IT-хакинг — это несанкционированное вторжение в компьютер или сеть. Лица, участвующие в такой хакерской деятельности, называются хакерами. Эти хакеры могут изменять системные или защитные функции для достижения цели, отличающейся от первоначального назначения системы. Соответственно, биохакинг стремится к изменениям тела. Люди экспериментируют с имплантатами и другими методами, которые вмешиваются в физические процессы человека. Введение в это может быть так называемыми самомедицинскими хаками, например, самостоятельно выполненными ДНК-тестами. На основе множества данных могут быть разработаны различные формы физической самооптимизации.
По нашему мнению, особенно любопытным примером самооптимизации является использование глазных капель для достижения ночного зрения. Для этой цели испытуемым вводилось вещество Chlorine e6 (Ce6). Последующие тесты фактически показали, что люди, обработанные таким образом, могли воспринимать объекты в темноте гораздо лучше, чем их сверстники. В повседневной жизни испытуемые должны защищать свои глаза черными контактными линзами из-за повышенной светочувствительности (ср. WinFuture, 2019). Имитация не рекомендуется!
Ящик памяти
Биохакинг также может проводиться третьими лицами. Это делает биохакинг все более похожим на IT-хакинг. Британским ученым удалось извлечь
секретные номера (например, для кредитной карты) из мозговых волн и раскрыть их. Следовательно, существует риск того, что данные, извлеченные из мозговых волн, мигрируют из клинической области в коммерческую и будут там использованы не по назначению (ср. Ienca, 2018, с. 11).
Биочипы предоставляют возможность обнаружения заболеваний, от рака до оспы, прежде чем у пациента появятся симптомы. Эти чипы состоят из набора молекулярных датчиков на поверхности чипа, которые могут анализировать биологические элементы и химические вещества. Биотехнология означает искусственно выращенные и биологически вдохновленные мышцы. Хотя эта технология все еще находится в стадии разработки, она может привести к появлению кожи и тканей, растущих на внешней стороне робота и делающих его чувствительным к давлению. Это позволит сделать следующий шаг к гуманоидным роботам.
Еще одна область биохакинга — это разработка экзоскелетов; "экзо" означает "снаружи" в этом термине. Экзоскелет — это внешняя опорная структура для организма. Это роботы, смонтированные на внешней стороне тела, которые могут поддерживать или усиливать движения носителя. Для этого используются соответствующие моторы. Приложения можно найти в медицине, чтобы помочь параплегикам ходить. Кроме того, такие экзоскелеты также применяются в производстве или логистике для облегчения работы над головой или подъема тяжелых предметов. Соответствующие решения предлагают немецкие производители German Bionic и Ottobock Industrials. На стадии расширения они могут управляться мыслью. Для этого используются имплантаты или приемники мозгового сигнала, расположенные на коре головного мозга (ср. Goetz, 2018, с. 164–167).
Израильская компания OrCam разработала небольшое устройство для помощи людям с нарушениями зрения. К очкам прикреплены крошечная камера и громкоговоритель. Если теперь пользователь указывает на текст в виде описаний продуктов, табло или знаков, NLP позволяет системе захватить очень разнородную текстовую информацию и воспроизвести ее в форме устной речи (ср. Brynjolfsson & McAfee, 2014, с. 114).
Эта область также включает развитие человеческого аугментации/усиления. Эта область ИИ нацелена на расширение и повышение производительности человека. В своей основе — как бы странно это ни звучало — лежит "оптимизация человеческого существа" посредством искусственных систем. Как уже упоминалось, это может быть сделано для больных людей посредством медицинских вмешательств с использованием активных веществ, вспомогательных средств и частей тела. Здоровые люди также могут быть "оптимизированы" посредством соответствующих приложений и интеграции и/или соединения с технологиями. Здесь затрагивается тема трансгуманизма — своего рода продолжение человеческого развития посредством использования научных и технических средств. С одной стороны, это исследование основано на традиции гуманизма. С другой стороны, предпринимается попытка преодолеть именно состояние естественного и продвинуть искусственное. Фокус — на уже упомянутом киборге — слиянии человека (или животного) с машиной (ср. Bendel, 2019).
Инъектируемые чипы — из около 70 000 киборгов, которые можно найти по всему миру сегодня — уже заменяют документы, посадочные талоны и ключи, если партнеры по взаимодействию установили соответствующий радиоинтерфейс. Инъектируемый чип также может использоваться для ускорения контроля входа в офис и регистрации компьютера. В сочетании с данными фитнес-трекеров, значениями глюкозы в крови и другими
биометрическими данными, могут быть определены предупреждения о сердечном приступе и отправлены push-уведомления, когда требуется перерыв. Футурологи предполагают, что инъектируемые чипы могут революционизировать повседневную жизнь — особенно для очень активных менеджеров — подобно смартфону. Сегодня уже есть наборы для самостоятельного чипирования, причем пакеты со шприцами можно приобрести за 56 долларов США (ср. Obmann, 2018, с. 58f). По нашему мнению, здесь требуется человеческий интеллект, чтобы проверить, в какой степени следует использовать технологические возможности.
Недостаток в том, что доминирующая чиповая система еще не появилась, поэтому пионеры-киборги иногда имеют два, три или более инъектируемых чипа, чтобы воспользоваться возможностями, которые уже существуют сегодня. Возможно, имплантат VivoKey Chip добьется успеха в качестве доминирующего дизайна. В конце концов, у этого чипа больший объем памяти и дополнительный микропроцессор, так что можно открыть гораздо больше областей применения. Сюда входят защищенные от подделки подписи, обработка финансовых транзакций, онлайн-покупки и безналичные платежи (ср. VivoKey, 2019).
Как прекрасно сказал Илон Маск: "Мы все должны стать киборгами, если хотим выжить в неизбежном восстании роботов" (ср. Obmann, 2018, с. 58).
Ящик памяти
Небольшой наводящий на размышления импульс для всех поклонников киборгов: во время МРТ-исследования сильное магнитное поле, используемое при этом, стирает все данные с чипа. Поэтому у вас должен быть набор для восстановления и идентификационная карта имплантата, подтверждающая вашу безопасность для такого исследования. Пока чип не сделан из драгоценного металла, он будет нагреваться более или менее сильно.
• Создание иммерсивных переживаний
Приложения ИИ позволят получить новые рабочие и жизненные переживания. Это может привести к погружению (ср. рис. 2.8). Это описывает эффект, при котором предоставленные стимулы (например,
Рисунок 2.8 Вычислительная мощность мощнейших суперкомпьютеров мира — июнь 2018 г. (в ТераФЛОПС). Источник: Statista (2018, с. 22)
через виртуальную реальность/VR) вытесняют реальный фон до такой степени, что виртуальная среда теперь воспринимается как "реальная". В компьютерных играх с VR этот эффект уже полностью достигнут при использовании тактильной перчатки. Такая перчатка может передавать движения рук в виртуальную реальность с помощью отслеживания пальцев. Таким образом, объекты можно чувствовать и осязать в виртуальной реальности. Прилагая давление через уже протестированный экзоскелет, также обеспечивается тактильная обратная связь.
Погружение может быть усилено тактильной курткой, которая может передавать давление на тело соответствующего пользователя посредством использования различных моторов (использование так называемых стимульных точек). Таким образом, ощущается не только звук VR-игр, но и удары в физическом противостоянии. С помощью датчиков в такой куртке — или в дальнейшем развитии в виде полного костюма — также возможно очень точно распознавать, как и где движется пользователь.
Другие технологии, используемые сегодня в интеллектуальных рабочих областях, все больше ориентированы на людей. Границы между людьми и вещами могут размываться. Простые приложения — это электронные доски, которые автоматически фиксируют заметки со встреч. Кроме того, датчики могут помочь предоставить сотрудникам персонализированную информацию на основе местоположения и задачи. Системы дополненной реальности могут использоваться для целей технического обслуживания (ср. раздел 5.3). В других приложениях офисные принадлежности могут взаимодействовать непосредственно с ИТ-платформами и запускать различные процессы, такие как заказ.
В частной среде умные дома будут связывать широкий спектр устройств, датчиков, инструментов и платформ. Таким образом, они смогут узнать что-то о том, как люди используют дом. Это основа для все более интеллектуальных систем, которые создают контекстуализированные и персонализированные переживания и таким образом погружают все глубже и глубже в реальность жизни людей.
• Вездесущая инфраструктура
Следует отметить, что "инфраструктура" сама по себе во многих областях больше не является ключевым ресурсом для дифференциации в конкурентной борьбе (ср. рис. 2.8). Широкое разнообразие предложений "Все как услуга" ясно это показывает. Сегодня уже существует широкий спектр "X как услуга":
– Резервное копирование как услуга (BaaS)
– Интенсивные вычисления данных как услуга (DICaaS)
– Высокопроизводительные вычисления как услуга (HPCaaS)
– Люди как услуга (HuaaS) как описание краудсорсинга
– Инфраструктура как услуга (IaaS)
– Мобильность как услуга (MaaS)
– Музыка как услуга (MUaas)
– Платформа как услуга (PaaS)
– Программное обеспечение как услуга (SaaS)
– Трафик как услуга/транспорт как услуга (TaaS)
Кажущаяся безграничная инфраструктура (включая человеческий труд), которая всегда доступна во многих областях, массово изменила корпоративный ландшафт — и будет продолжать это делать!
Ящик памяти
В прежние времена продавались сверлильные станки, сегодня продаются отверстия!
Технология Edge AI, упомянутая на рис. 2.8, — в отличие от облачных вычислений — представляет собой децентрализованную, поддерживаемую ИИ обработку данных "на периферии сети". Приложения и данные ИИ переносятся из центральных узлов (например, центров обработки данных) на периферию сети. Чтобы разгрузить сети от передачи очень больших объемов данных, потоки данных обрабатываются более интенсивно на месте. Это может быть само устройство, фабрика или платформа Интернета вещей или Интернета всего.
Квантовые вычисления, как упоминалось ранее, будут работать экспоненциально быстрее традиционных компьютеров. В будущем эта технология окажет огромное влияние на машинное обучение, технологии шифрования и анализ данных (включая текстовый и изобразительный анализ). Это потребует дополнительной вычислительной мощности, необходимой для многих приложений ИИ.
Пища для размышлений
Теперь необходим ваш предпринимательский дух, чтобы разработать прибыльные бизнес-кейсы на основе технологий и технических вариантов использования! Потому что одно ясно — приложения ИИ снова изменят мир в долгосрочной перспективе. Это связано с тем, что технологии ИИ обладают особенно высоким уровнем инновационности и, следовательно, большим разрушительным потенциалом. Поэтому стало неизбежным заниматься технологиями ИИ в процессе цифровой трансформации!
Как уже указывалось, успех в глобальной гонке ИИ зависит от доступности высококачественных данных (ср. разд. 2.4) и соответствующей мощности компьютеров. По этой причине посмотрим, где сегодня расположены самые мощные компьютеры в мире (ср. рис. 2.8). Вычислительная мощность показана в ТераФЛОПС. FLOPS расшифровывается как Floating Point Operations Per Second. "Операции" относятся к сложению и умножению чисел, тогда как "floating point" означает обычное представление чисел в ИТ. FLOPS показывает, сколько вычислений компьютер может выполнить в секунду. Чем больше это число, тем мощнее компьютер. Если компьютер имеет вычислительную мощность один ТераФЛОПС (TFLOPS), этот компьютер может выполнить 1000 000 000 000 операций в секунду.
Взгляд на расположение так называемых суперкомпьютеров показывает, что США, имеющие шесть таких компьютеров, занимают первое место, за ними вплотную следует Китай. Швейцария — единственная европейская страна в топ-10.
Взгляд на мировое расположение 500 самых мощных суперкомпьютеров на рис. 2.9 также интересен. Это снова показывает доминирование Китая. Как уже упоминалось, Китай в своем мастер-плане "Сделано в Китае 2025" определил Искусственный Интеллект как центральную область действия для достижения глобальной лидерской роли. Китай находится на пути к достижению этой цели. Германия в этом страновом рейтинге — для одной из ведущих индустриальных наций мира — занимает не очень респектабельное 5-е место!
Даже если сложить все суперкомпьютеры, расположенные в Европе, их общее число составляет 86, но их опережают США — не говоря уже об оборудовании в Китае!
На этом фоне становится понятно, почему в 2018 году десять партнеров из науки и промышленности объединили усилия в Европе для создания 100-кубитного компьютера под названием OpenSuperQ в исследовательском центре Юлих к концу 2021 года. При этом европейские исследователи хотят гарантировать, что они не останутся полностью позади в глобальной гонке за сверхпроизводительными квантовыми компьютерами. Этот проект является частью флагманской программы ЕС по продвижению исследований в области квантовых технологий в Европе. OpenSuperQ призван ускорить симуляцию процессов в химии и материаловедении, а также машинное обучение в Искусственном Интеллекте. Квантовая технология вот-вот совершит прорыв в повседневную технологию. Использование квантовых компьютеров может справиться с вычислительными задачами, которые традиционные компьютеры до сих пор не могли выполнить. Разрабатываемый квантовый компьютер должен иметь 100 квантов или кубитов и с помощью программного обеспечения с открытым исходным кодом через облако должен обеспечить доступ к любому заинтересованному приложению (ср. Heise, 2018).
Рисунок 2.9 Расположение 500 самых мощных суперкомпьютеров в мире — июнь 2018 г. Источник: Statista (2018, с. 23)
Важным условием для того, чтобы описанные выше технологии могли развивать свои (положительные) эффекты, является высокопроизводительная мобильная сеть, охватывающая как можно большую территорию страны. Особое значение здесь имеет стандарт мобильной сети 5G; "5" означает 5-е поколение. Этот новый стандарт можно описать следующими характеристиками:
• В 100 раз более высокая скорость передачи данных, чем в сетях 4G (скорость передачи до 10 Гбит/с)
• Использование более высоких диапазонов частот
• Увеличенная пропускная способность по частоте обеспечивает более высокую пропускную способность данных
• Передача данных в реальном времени поддерживает управление 100 миллиардами мобильных устройств по всему миру
• Чрезвычайно короткие времена задержки (в смысле реакции, задержки или времени передачи) в одну миллисекунду даже на больших расстояниях (человеческому глазу требуется около десяти раз больше времени, чтобы передать информацию в мозг); время задержки, таким образом, в десять раз короче, чем у 4G.
• Значительное снижение энергопотребления при передаче данных по сравнению с 4G
• 5G может подключить миллион устройств на квадратный километр; в десять раз больше, чем 4G
Внедрение 5G позволит не только осуществлять машино-машинную связь в реальном времени, но и человеко-машинную связь. Это может поддержать новые формы взаимодействия. Помимо сетевой инфраструктуры, важным предварительным условием для этого является разработка общих стандартов для передачи данных.
2.6 Инвестиции в Искусственный Интеллект
Значение, которое отдельные компании придают Искусственному Интеллекту, ясно из заявления генерального директора Google Сундара Пичаи. Теперь он называет Google "AI-первой" компанией. После этого все дальнейшие разработки будут приоритезированы с акцентом на дальнейшее расширение компетенции Google в области ИИ. Почему это так, ясно из дальнейшего заявления Пичаи: "ИИ важнее огня или электричества".
Какие инвестиции в Искусственный Интеллект делаются в общей сложности? Согласно исследованию McKinsey (2018, с. 5), компании по всему миру инвестировали в Искусственный Интеллект в 2016 году от 26 до 39 миллиардов долларов США. "Технологические гиганты" (Alphabet, Amazon, Apple, Facebook, IBM, Microsoft) составляют от 20 до 30 миллиардов долларов США. Стартапы инвестировали от 6 до 9 миллиардов долларов США. В общей сложности внешние инвестиции в ИИ утроились с 2013 года.
Европейская комиссия также поставила перед собой цель увеличить инвестиции в Искусственный Интеллект, чтобы ликвидировать разрыв между Европой и США, и, в частности, Китаем. Инвестиции в размере 1,7 миллиарда долларов США должны способствовать этому. В то же время цифровой комиссар Мария Габриэль указывает на то, что в дополнение к инвестициям и четкой этической и правовой базе существует также потребность в более общедоступных данных. Частные инвестиции в исследовательские проекты ИИ в настоящее время в три раза выше в Азии и в пять-шесть раз выше в США, чем в Европе. В
порядке мобилизовать дополнительные частные средства, Комиссия ЕС выделит вышеупомянутые 1,7 миллиарда долларов США. Европе потребуется скорее 23 миллиарда долларов США к 2020 году (ср. Zeit, 2018).
Тот факт, что помимо финансовых ресурсов, не хватает и необходимого мышления, подчеркивается дальнейшими результатами, полученными McKinsey (2018, с. 4). Они основаны на опросе 3000 менеджеров уровня C (связанных с ИИ) в десяти странах (Китай, Канада, Франция, Германия, Италия, Япония, Швеция, Южная Корея, Великобритания и США) и 14 отраслях:
• В целом, принятие ИИ в компаниях за пределами технологического сектора все еще находится на ранней, часто лишь экспериментальной стадии.
• Только 20% респондентов используют технологии, связанные с ИИ, в более крупных масштабах или в основной области компании.
• Многие компании не уверены в релевантных бизнес-кейсах и/или достижимой отдаче от инвестиций.
• Детальный анализ более 160 вариантов использования показывает, что Искусственный Интеллект используется в коммерческих целях только в 12% случаев.
Глава 10 показывает, как можно изменить мышление сотрудников и возможности внутреннего использования Искусственного Интеллекта. Правда: С первой промышленной революции технологический прогресс принес нам постоянное и все более быстрорастущее увеличение процветания. Парадокс в том, что после внедрения пионерских новых технологий — таких как внедрение электрического света на фабриках в конце девятнадцатого века и появление компьютеров в 1990-х годах — производительность изначально замедлилась. Эта связь была подчеркнута Чедом Сиверсоном, экономистом из Чикагского университета. Соответственно, прошло несколько лет, прежде чем произошел реальный рост производительности. Было показано, что базовая технология показала положительные эффекты только при дополнении инновациями (ср. Syverson, 2013; Brynjolfsson & McAfee, 2014, с. 125–127).
Ящик памяти
Цифровизация и технологии ИИ еще не являются факторами успеха сами по себе, которые виртуально автоматически обеспечивают экономический рост и социальное процветание. Только инновации на основе ИИ могут раскрыть потенциал роста, эффективности и процветания. Это требует идей, бюджетов, мужества, а также творческих и преданных сотрудников, чтобы воплотить великие идеи в реальность.
Поэтому важно, чтобы самые разнообразные науки оставили свои "башни из слоновой кости" и внесли свой вклад в соответствующие сети ИИ. Дальнейшее развитие требует большого количества ученых и комплексного сетевого взаимодействия. Какие науки имеют особое значение для развития Искусственного Интеллекта? К ним относятся биология, когнитивные науки (такие как психология, философия и лингвистика), экономика, информатика, математика и инженерия.
Биология предоставляет основу, из которой вытекает "идеальный образ" систем ИИ. Для разработки гуманоидного робота необходимы всесторонние знания анатомии, психологии и нейронауки. В конце концов, гуманоидный робот — как уже упоминалось — должен не только внешне быть похожим на человека, но и уметь имитировать человеческое поведение и принимать социальные решения. Для этого необходимы выводы из когнитивных наук.
Математика, в свою очередь, предоставляет инструменты для разработки алгоритмов технологий ИИ. Она позволяет разработчикам писать мощные программы ИИ. Инженеры взаимодействуют с этими алгоритмами для реализации когнитивной и физической производительности роботов и машин. Для достижения рыночной зрелости этих разработок, не в последнюю очередь, необходимо, чтобы экономисты распознавали потребности клиентов на ранней стадии и наполняли предложенные шаги работы ими. В той мере, в какой это выходит за рамки базовых исследований, экономисты также решающим образом ответственны за достижение окупаемости инвестиций (ROI), чтобы инвестиции в ИИ стали прибыльными в долгосрочной перспективе.
Рисунок 2.10 показывает, как Искусственный Интеллект встроен в совокупности с его областями применения и методами.
Рисунок 2.10 Входные науки, методы и области применения Искусственного Интеллекта (Рисунок авторов)
Резюме
• Эффекты экспоненциальности массово повысят производительность приложений ИИ в ближайшие годы.
• Цифровизация и дематериализация продуктов, услуг и процессов предлагают дополнительные области применения для Искусственного Интеллекта.
• Связанность объектов, данных, процессов и организмов создает новые области применения для систем ИИ.
• Комплексные наборы данных — определяемые терминами объем, скорость, разнообразие, достоверность и ценность — представляют собой необходимую пищу для разработок ИИ.
• Множество новых технологий из Gartner Hype Cycle поддерживают использование ИИ и будут последовательно осваивать новые области применения.
• Успех ИИ на мировых рынках зависит от имеющихся бюджетов.
Библиография
Bauer, W., & Vukelic, M. (2018). Forschungsprojekt EMOIO, Schnittstelle zur Welt der Computer. В Р. Нойгебауэр (ред.), Цифровизация, ключевые технологии для экономики и общества (с. 135–151). Гейдельберг.
Bendel, O. (2019). Человеческое усиление. https://wirtschaftslexikon.gabler.de/definition/human enhancement-54034. Доступ 10 апреля 2019.
Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Как следующая цифровая революция изменит всю нашу жизнь. Кульмбах.
Budras, C. (2018). Es gibt ein Leben nach dem Smartphone. В Frankfurter Allgemeine Sonntagszeitung (с. 21). 14 октября 2018.
Cisco. (2015). Cisco Internet Business Solutions Group (IBSG), Сан-Франциско.
Constine, J. (2017). Facebook строит интерфейсы мозг-компьютер для набора текста и слухового восприятия кожи. https://techcrunch.com/2017/04/19/facebook-brain-interface/?guccounter=1. Доступ 17 апреля 2019.
Desjardins, J. (2018). Что происходит в интернете за минуту в 2018 году? http://www.visualcapitalist. com/internet-minute-2018/. Доступ 28 апреля 2019.
Fasel, D., & Meier, A. (2016). Большие данные – Основы, системы и потенциал использования, Висбаден.
Gantz, J., & Reinsel, D. (2012). IDC IVIEW. The digital universe in 2020: Big data, bigger data, bigger digital shadows, and biggest growth in the Far East. http://www.emc.com/collateral/ analyst-reports/idc-the-digital-universe-in-2020.pdf. Доступ 13 апреля 2019.
Gartner. (2018). 5 тенденций появляются в цикле ажиотажа Gartner для новых технологий, 2018. https://www.gartner.com/smarterwithgartner/5-trends-emerge-in-gartner-hype-cycle-for emerging-technologies-2018/. Доступ 30 марта 2019.
Goetz, I. (2018). Die neuen Siebenmeilenstiefel. В Frankfurter Allgemeine Quarterly (с. 164– 167). Август 2018.
Hansell, S. (2008). Zuckerberg’s Law of Information Sharing. The New York Times, 6 ноября 2008.
Heise. (2018). Startschuss: 100-Кубитный Суперкомпьютер OpenSuperQ создается в Германии. https://www.heise.de/newsticker/meldung/OpenSuperQ-Quantenrechner-fuer-Europa 4206668.html. Доступ 19 апреля 2019.
н.а. (2018). Die künstliche Intelligenz ist das Herzstück von Industrie 4.0. https://industrieanzeiger. industrie.de/technik/entwicklung/die-kuenstliche-intelligenz-ist-das-herzstueck-von-industrie 4-0/. Доступ 13 апреля 2019.
O’Marah, K., & Manenti, P. (2015). The Internet of Things will make manufacturing smarter. В http://www.Industryweek.com. Доступ 6 апреля 2019.
PWC. (2017). Цифровые фабрики. https://www.pwc.de/de/digitale-transformation/digital-factories 2020-shaping-the-future-of-manufacturing.pdf, с. 9. Доступ 13 апреля 2019.
Walter, G. (2018). Der Mensch als Dirigent und Problemlöser. In Trending Topics—Industrie 4.0 (с. 53–56).
Zion Market Research. (2017). Прогнозируемый размер мирового рынка умного производства в 2017 и 2023 годах. https://www-statista-com.ezproxy.hwr-berlin.de/statistics/738925/worldwide-smart-manufactu ring-market-size/. Доступ 24 апреля 2019.
Другие статьи по этой теме:
- 601 пример внедрения ИИ на производствах и преприятиях
- ИИ в корпоративном секторе
- Пособие по разработке стратегии ИИ