Несмотря на почти 60-летние эксперименты с искусственным интеллектом, человечество все еще не достигло цели создания машины, способной выполнять все когнитивные задачи так же хорошо, как и люди, также называемой общим искусственным интеллектом.
Фактически, само понятие ИИ также открыто для самых разных интерпретаций. В наши дни кажется, что все называется ИИ, от специализированных приложений, таких как системы компьютерного зрения, которые обнаруживают очень специфические объекты, до цифровых помощников массового рынка, таких как Apple Siri, до роботов и дронов, до амбициозных усилий по применению искусственного интеллекта человеческого уровня для решать серьезные проблемы, например, лечить болезни.
Хотя некоторые организации вкладывают значительные средства в исследования и разработки в AGI, большинство компаний и стартапов в области ИИ в настоящее время сосредоточены на ANI (узком искусственном интеллекте) для выполнения конкретных задач, таких как распознавание логотипов, распознавание лиц и транскрипция. Существует множество механизмов, которые выполняют узкие специализированные процессы в качестве точечных решений - сегодня доступно более 5000 алгоритмов ANI, и в течение следующих пяти лет это число вырастет до миллионов.
ANI - это первый шаг на пути к AGI
У людей нет одного чувства; у нас есть по крайней мере девять - и все они нам нужны, чтобы ориентироваться и понимать мир. Более того, человеческий мозг умеет использовать эти чувства в сочетании, например, обнаруживая поблизости большой грузовик, как по характерному звуку, так и по ощущению сильной вибрации. Хотя сегодня существуют технологии, которые могут нацеливаться на отдельные задачи, такие как эти человеческие чувства, сегодня рынок искусственного интеллекта изобилует неполными и одноточечными предложениями. Затем они заполняются множеством алгоритмов, каждый из которых имеет разные цели, возможности и специализацию. В настоящее время ландшафт ИИ запутан и ограничен. Итак, что нужно, чтобы навести порядок в этом хаосе?
Компаниям, использующим когнитивную обработку, требуется конкретный, интуитивно понятный способ одновременного использования нескольких когнитивных механизмов ANI. Совместное развертывание нескольких механизмов приводит к эффективной обработке данных, которые можно анализировать и анализировать для получения практических сведений для реальных случаев использования. Компаниям нужна эта возможность использовать комбинированный надежный набор механизмов искусственного интеллекта, чтобы принимать решения, влияющие на прибыль бизнеса.
Объем данных продолжает расти, так что давайте применим машинное обучение
Поскольку количество коммерчески доступных когнитивных двигателей растет в геометрической прогрессии, этот подход позволит скоординированному ИИ быстро обогнать и даже превзойти человеческие возможности. Более того, с учетом того, что рынок искусственного интеллекта вырастет почти в 60 раз с 2016 по 2025 год, этот метод представляет собой лучший способ для компаний извлечь выгоду из потенциала роста отрасли.
Gartner предполагает, что к 2019 году 50% аналитических запросов будут генерироваться с использованием поиска, обработки естественного языка, голоса или автоматически. Проще говоря: пользователи будут развертывать различные механизмы для сбора информации о невероятном количестве данных вокруг них.
Сколько всего там? Аналитическая компания IDC прогнозирует, что к 2025 году глобальная сфера данных вырастет до 163 зеттабайт, что в десять раз больше, чем в прошлом году - 16,1 зеттабайта. Потребность в когнитивной обработке имеется в большом количестве, поскольку одни только люди больше не в состоянии удовлетворить потребность в глубоком анализе всех этих данных.
Решение интеллектуального будущего: сотрудничество
Ключом к реализации этого видения станет развитие открытой экосистемы искусственного интеллекта, которая сделает широкий спектр когнитивных двигателей доступным на едином онлайн-рынке. Такой рынок может предоставить прибыльные бизнес-возможности для разработчиков алгоритмов, разработчиков приложений и конечных пользователей.
Во многом аналогично тому, как AppExhange от Salesforce.com и App Store от Apple стимулировали значительные инвестиции в разработку программного обеспечения и привели к росту экономики приложений, создание структурированного рынка для ИИ будет ключом к облегчению широкомасштабной индивидуальной разработки на основе прозрачной и четко определенная экономическая модель.
Для компаний, надеющихся использовать возможности когнитивных двигателей, эта ситуация представляет собой серьезные проблемы. У компаний есть особые потребности, которые со временем могут измениться. Эти потребности могут быть наилучшим образом удовлетворены одним из множества алгоритмов, представленных на рынке, или комбинацией различных алгоритмов.
Например, представьте себе компанию, которая создает робота, который должен выглядеть и действовать как человек. Для этого потребуется один алгоритм, чтобы робот говорил, другой - чтобы он мог ходить, третий - чтобы он мог воспринимать и понимать окружающий мир - и так далее. Сложность, связанная с определением правильных двигателей для выполнения каждой задачи, была бы огромной, с высокой вероятностью, что компания не выберет лучшие двигатели для каждой задачи. В то время как AGI, необходимый для достижения этой цели, остается потенциальной технологией будущего, ANI может оправдать обещания искусственного интеллекта сегодня, если будет должным образом организован.
Это может быть достигнуто путем объединения алгоритмов когнитивных вычислений в единое программное обеспечение с привлечением ряда разработчиков, расширяющих эту платформу до различных вычислительных сред и разработки прозрачной экосистемы приложений. Эта система или организация ограничивает поток алгоритмов, объединяет их в группу и развертывает их для предоставления реальной ценности, отвечающей конкретным потребностям клиентов в области ИИ.
Проще говоря: когда ИИ остается открытым пространством, когда лучшие в своем классе системы работают слаженно, ANI может работать в направлении AGI. При таком подходе можно создать технологию искусственного интеллекта с человеческими возможностями.
Чад Стилберг
Председатель и генеральный директор Veritone
Эта статья изначально была опубликована в Информационном бюллетене по машинному обучению
