Почему Google так заинтересован в искусственном интеллекте? Это закономерный шаг. Ведется огромная работа по совершенствованию машинного перевода, и Google заметно преуспел в этом. Убедитесь сами на примере первого абзаца из рассказа Эрнеста Хемингуэя «Снега Килиманджаро»:
«Kilimanjaro is a snow-covered mountain 19,710 feet high, and is said to be the highest mountain in Africa. Its western summit is called the Masai “Ngaje Ngai”, the House of God. Close to the western summit there is the dried and frozen carcass of a leopard. No one has explained what the leopard was seeking at that altitude».
Google Translate, где более десятилетия использовался искусственный интеллект старой модели (то есть основанный на машинном обучении), перевел бы этот абзац примерно так:
«Килиманджаро – это 19 710 футов горы, покрытой снегом, и говорят, что это самая высокая гора в Африке. Вершина запада, “Нгайе-Нгай” на языке масаи, называлась домом Бога. На западной поблизости от вершины лежит сухой замороженный каркас леопарда. Что леопарду могло понадобиться на такой высоте – никто не может объяснить».
Новый сервис Google Translate на основе искусственной нейронной сети переводит гораздо точнее:
«Килиманджаро – заснеженная гора высотой 19 710 футов, и считается самой высокой горой в Африке. Его западная вершина называется на языке масаи “Нгайе-Нгай”, Дом Божий. Рядом с западной вершиной находится высохший и замерзший труп леопарда. Никто не объяснил, что искал леопард на этой высоте».
Если вам интересно, каким образом Google достиг таких высот, рекомендую прочесть статью Тhe New York Times: это выдающееся научно-техническое достижение, но и оно не предел.
Базовый искусственный интеллект, он же «ограниченный искусственный интеллект», великолепно справляется с какой-то одной конкретной задачей. Следующий уровень искусственного интеллекта – «общий искусственный интеллект»; позволяет функционировать в режиме многозадачности, то есть выполнять несколько операций одновременно. Ограниченный искусственный интеллект может эффективно выполнять только одно действие. Сегодня мы уже достигли этого уровня, и искусственный интеллект на основе нейронных сетей позволяет нам совершенствоваться в области искусственного интеллекта, как никогда прежде. Вот почему я считаю, что тест Тьюринга, возможно, будет пройден до конца нынешнего десятилетия. До конца 2020-х годов появится сверхразумный искусственный интеллект – и машины смогут обучаться так же хорошо, как люди. Далее в этой главе мы подробно обсудим все три группы искусственного интеллекта.
Машины, управляемые искусственным интеллектом
Машинное обучение и искусственный интеллект – самые яркие и значимые технологические тренды сегодняшнего дня. Есть и другие – контекстная торговля, распознавание устной речи, цифровые помощники, но машинное обучение и искусственный интеллект – безусловные лидеры.
По мнению одного моего знакомого IT-директора, машинное обучение в приоритете, поскольку может помочь оптимизировать производственные и бизнес-процессы. Сам по себе искусственный интеллект – давно не новость, Спилберг снял одноименный фильм еще в 2001 году. Новизна заключается именно в тех разработках, которыми занимаются Google и IBM.
Watson от IBM – самый известный широкой публике суперкомпьютер, оснащенный вопросно-ответной системой искусственного интеллекта. Еще в 2011 году он победил в американской телевикторине Jeopardy! Watson, названная в честь основателя IBM Томаса Дж. Уотсона, – это когнитивная технология, ее задача – понимать вопросы, сформулированные на естественном языке, и находить ответы в базе данных. Она обрабатывает информацию скорее как человек, а не компьютер.
Суперкомпьютер Watson работает со скоростью 80 терафлопс (триллион операций над числами с плавающей точкой) в секунду. Стремясь воспроизвести (а то и превзойти) нашу способность отвечать на вопросы, Watson обращается к 90 серверам, где хранится 200 миллионов страниц, а за обработку информации отвечают шесть миллионов логических правил. Суперкомпьютер и хранилище данных занимают пространство, где могло бы уместиться десять холодильников.
Тем временем в начале 2014 года Google в рамках разработки искусственного интеллекта приобрел лондонскую компанию DeepMind. Теперь DeepMind пишет программы, способные обыгрывать людей в видеоиграх и даже побеждать чемпиона мира по игре го, самой сложной логической игре на планете.
Этим разработки в области искусственного интеллекта не исчерпываются. Microsoft занимается проектом ADAM (ключевая служба каталогов, облегчающая доступ к каталогам Windows Server). Facebook предоставляет в свободное использование свои инструменты глубокого обучения, действует сервис для построения моделей машинного обучения и создания прогнозов от компании Amazon, а Apple продолжает развивать цифрового помощника Siri и совершенствовать распознавание в iOS. Подобные разработки ведут не только лидеры рынка, но и множество более мелких компаний.
А зачем вообще развивать искусственный интеллект?
Банкам определенно нужен искусственный интеллект. Технологические гиганты обучают машины распознавать лица на фотографиях, понимать устную речь и мгновенно переводить ее с одного языка на другой. Благодаря этому люди могут говорить со своим банком, а банковская система мгновенно выявлять мошеннические транзакции.
PayPal использует глубокое обучение для отслеживания мошеннических операций, и это не единственный способ применения искусственного интеллекта в банкинге. Например, некоторые компании, специализирующиеся на микрофинансировании и микрокредитовании в режиме реального времени, используют аналитические программы для оценки кредитоспособности заявителя. Быстро развивается глубокий анализ данных в маркетинге (эффективность рекламных кампаний), торговле (построение прогностических моделей цен, волатильности и т. д.), в управлении инвестиционными портфелями (расчет эффективности) и управлении рисками в целом (попытки точнее их оценить).
Компания UBS использует глубокий анализ данных в сочетании с машинным обучением для перманентного изучения инвестиционных портфелей своих клиентов, чтобы каждого из них максимально точно проконсультировать, предоставляя персонализированные услуги каждый день, – меня это весьма впечатлило. Я также был заинтригован, услышав, что в DBS обсуждается использование суперкомпьютера Watson от IBM. DBS, подобно UBS, использует глубокий анализ данных для оптимизации консультирования и обслуживания клиентов. Менеджеры DBS по работе с клиентами не тратят время на просмотр отчетов по рынку – они используют эти часы для встреч с клиентами, а всю необходимую информацию им предоставляет Watson.
Нет сомнений, что будущее за искусственным интеллектом: разработка пользовательских интерфейсов, повышение удобства взаимодействия с пользователем, автоматическое обнаружение мошенничества и создания высоко персонализированных прогностических сервисов. Банки давно стремятся заменить сотрудников-трейдеров машинами. Сейчас на рынке сосуществуют активные (в них действует человек) и пассивные (в них действует машина) трейдинговые системы. Если перестроить высокочастотный трейдинг на базе машинного обучения и искусственного интеллекта, без трейдеров-людей вполне можно обойтись.
