Сегодня искусственный интеллект помогает Netflix продвигать малоизвестные фильмы и сериалы, благодаря ему мир скоро завоюют беспилотные автомобили, а нашим лечением займутся роботы-врачи. Издательство Ad Marginem в рамках проекта «А+А» выпустило книгу Шелли Фэн «Заменит ли нас искусственный интеллект?» — публикуем ее фрагмент.
Сегодня технологии искусственного интеллекта стали обычным явлением.
Среднестатистический технофил просыпается в комфортной температуре благодаря обучающемуся термостату Nest. Google Maps упрощает ему поездку на работу, предсказывая трафик и сокращая время езды. На работе почтовое приложение от Apple автоматически создает ответы на письма и проверяет орфографию, чтобы избежать ошибок. Вечером он включает Netflix и отдыхает под рекомендованный ему новый сериал. Таким образом, ИИ делает его поездки, работу и жизнь проще.
В марте 2018 года опрос Gallup, проведенный среди 3 000 американцев, показал, что 85 % из них пользуются продукцией на основе ИИ, будь это навигаторы, стриминговые сервисы или приложения для совместных поездок. Так что неудивительно, что некоторые самые успешные компании Кремниевой долины стали таковыми благодаря внедрению ИИ. Сегодня приложений с ИИ слишком много для подробного и всеобъемлющего анализа. Здесь мы сосредоточимся на нескольких областях, в которых влияние ИИ уже заметно, и рассмотрим некоторые технологии и алгоритмы, лежащие в основе этих приложений.
Без сомнения, машинное обучение сыграло самую важную роль в развитии искусственного интеллекта за последние двадцать лет. Это парадигма, которая позволяет программам автоматически повышать свою эффективность при выполнении конкретной задачи благодаря изучению огромных объемов данных. В отличие от классических программ, алгоритмы обучения (learners) — не строго запрограммированы, а обучаются. Эти мощные алгоритмы уже не пользуются «спущенными сверху» наборами созданных людьми правил обработки информации. Вместо этого они учатся с нуля — не у людей, а на основе данных. Алгоритмы обучения не работают по заранее известной схеме; они полагаются на статистику.
Благодаря машинному обучению мы приблизились к по-настоящему умным машинам.
Рост числа самообучающихся программ отчасти объясняется более дешевым и надежным аппаратным оборудованием, которое обеспечило возможность построения систем, основанных на реальных данных. Растущая способность собирать, хранить и обрабатывать значительные объемы информации помогла в создании алгоритмов, которые действуют, опираясь на различные статистические методы.
Машинное обучение часто упоминается как единая дисциплина, хотя фактически этим термином обозначают группу различных статистических методов, направленных на решение конкретных задач. Многие из этих алгоритмов основаны на интуитивных представлениях о работе человеческого мышления, однако само машинное обучение является чисто техническим продуктом. Оно не решает философские вопросы вроде: думают ли машины? обладают ли они сознанием? Машинное обучение стремится в явном виде воспроизвести в компьютерах конкретные выполняемые людьми функции, чтобы на выходе программы выдавали эффективные решения этих задач. На данный момент машинное сознание значения не имеет. То есть, когда вы говорите с цифровым помощником, осознанного понимания произносимых вами предложений не происходит. Цифровые помощники на чисто поведенческом уровне обрабатывают слова, фразы и предложения таким образом, чтобы алгоритм мог выполнить голосовую команду — например, выйти в интернет и найти прогноз погоды.
Когда пользователи разговаривают с голосовым помощником — например, Siri, — они запускают двухэтапный процесс. Во-первых, Siri активирует систему ИИ для распознавания речи, которая переводит нечеткий звук в однозначный текст. Этот шаг невероятно сложен, потому что люди, естественно, говорят с разной высотой звука и с различными акцентами, которые варьируются в зависимости от места жительства и пола. Для того чтобы ИИ эффективно распознавал речь всех пользователей, система использует технику машинного обучения под названием «глубокое обучение».
Сегодня глубокое обучение — это движущая сила всего машинного обучения. Эта техника основана на искусственных нейронных сетях, которые создавались по подобию биологических нейронных контуров, благодаря которым мыслит человек. Огромный успех метода очевиден почти во всех приложениях с ИИ.
Например, в распознавании речи частота ошибок в большинстве приложений составляет теперь менее 10 %.
После преобразования речи в текст Siri пытается определить, что именно пользователь хотел выразить этими словами. Этому помогают алгоритмы обработки естественного языка, которые также обучаются на миллионах примеров. Поскольку человеческий язык часто является неточным или неоднозначным, Siri необходим большой набор данных, чтобы иметь возможность фиксировать и обобщать изменения в речи для расшифровки значения. Тем не менее преимущество глубокого обучения состоит в том, что, обработав достаточное количество примеров, системы обработки естественного языка приобретают способность интерпретировать речь, анализировать эмоциональный тон предложений и автоматически переводить с одного языка на другой.
Еще одно популярное применение ИИ — личные рекомендации. В качестве примера рассмотрим четыре, казалось бы, разные компании: Netflix — потоковый видеосервис; Amazon — платформа для онлайн-покупок; Facebook — социальная сеть; Google — поисковая система. Хотя эти компании предоставляют различные услуги, их системы искусственного интеллекта выполняют очень похожую задачу: они доводят до вас информацию.
С помощью машинного обучения эти компании понимают, какую информацию показывать своим пользователям. Сегодня рекомендательные системы широко используют ИИ, чтобы дать индивидуальные рекомендации по книгам или фильмам или предоставить персонализированные результаты поиска. Эти системы также используются в контекстной рекламе и онлайн-сервисах знакомств.
По сути, приложения на основе ИИ стремятся дать осмысленные рекомендации даже в условиях неопределенности. Например, Amazon может рекомендовать вам купить книгу на основе ранее приобретенного издания, даже не зная о ваших читательских предпочтениях. Это достигается двумя взаимодополняющими способами. Во-первых, система составляет схему предпочтений пользователя на основе предыдущих действий и аналогичных решений других пользователей. Amazon в основном использует этот метод, чтобы рекомендовать товары на основе истории покупок. Facebook, LinkedIn и другие социальные сети используют аналогичную систему, чтобы рекомендовать друзей или профессиональные связи. Во-вторых, ИИ извлекает ряд характеристик из запрашиваемого элемента и создает его профиль. Затем система находит другие элементы, имеющие схожий профиль, и прогнозирует важность каждой характеристики для конкретного пользователя. Сайт Rotten Tomatoes, выкладывающий обзоры фильмов, и приложение для музыкальных рекомендаций Pandora Radio используют этот подход для рекомендаций фильмов и музыки соответственно.
Ключевой проблемой таких систем является неопределенность: часто у них нет полных данных ни об элементе, ни о предпочтениях пользователя. При этом системе нужно оценить вероятность того, что рекомендация понравится пользователю. Здесь особенно стоит отметить популярный набор алгоритмов, основанный на байесовском подходе. Эти алгоритмы позволяют обновлять достоверность конкретной гипотезы — например, вероятность того, что пользователю может понравиться фильм или песня — на основе новых данных. Это очень действенный метод, который может почерпнуть знания из случайных, зашумленных данных. Пользователь, возможно, купил книгу в подарок; это мешает при создании профиля его предпочтений. Байесовские методы в ИИ позволяют обучаться с достаточной точностью даже на несовершенных данных, также они часто сочетаются с другими алгоритмами — такими как искусственные нейронные сети — для создания алгоритмов метаобучения, дающих оптимальный результат.
Рекомендации с использованием ИИ — это процветающая отрасль.
Netflix считает свою систему рекомендаций самым ценным активом. Платформа Cinematch изучает предпочтения пользователей, чтобы посоветовать им малоизвестные фильмы и сериалы, на которые компания потратила не так много. Отвлекая внимание от дорогих блокбастеров, Netflix гарантированно покрывает свои лизинговые расходы и получает прибыль от подписок пользователей. В 2006 году компания предложила приз в размере 1 миллиона долларов тому, кто на 10 % повысит точность их рекомендаций.
Компания заявила, что по состоянию на 2012 год 75 % фильмов зрители увидели благодаря алгоритму рекомендаций.
Не так давно Netflix взялась и за производство контента. Используя свою обширную базу данных о предпочтениях пользователей, компания рассчитала, какие сюжеты и актеры привлекут наибольшее внимание, и начала производить фильмы и сериалы на основе этих данных. На сегодняшний день Netflix выпустила несколько популярных продуктов, в том числе «Карточный домик», «Оранжевый — хит сезона», «Очень странные дела». Подобный подход переняли и другие стриминговые сервисы, такие как Amazon Prime Video и Hulu.
Системы искусственного интеллекта быстро меняют наше взаимодействие с физическим миром даже за пределами цифровой сферы. Например, появление беспилотных автомобилей заставляет полностью пересмотреть нынешнюю транспортную систему. Еще в 2000-х годах считалось, что создать беспилотные транспортные средства проблематично из-за сложного устройства городской среды и риска многочисленных инцидентов, которые автомобиль не сможет предвидеть и контролировать.
В 2004 году щедрое финансирование Управления перспективных исследовательских проектов Министерства обороны США (DARPA) спровоцировало рывок в исследованиях автономного транспорта. Пятнадцать беспилотных автомобилей проехали 228 км по пустыне Невада, США. В итоге команды не смогли выполнить поставленную задачу, но призовой фонд в размере 1 миллиона долларов вызвал интерес к разработке базовых технологий для создания беспилотных автомобилей, в том числе — передовых сенсорных технологий и 3D-карт местности.
Сегодня автономные транспортные средства — одна из наиболее быстро развивающихся сфер применения ИИ.
К февралю 2018 года беспилотные автомобили Google Waymo проехали 5 миллионов миль по дорогам общего пользования в 25 городах США. Большинство автомобилей, производимых Tesla, укомплектованы оборудованием для полностью автономного вождения, и, обновляя программное обеспечение, компания включает в него опции для автоматизированного вождения.
Такой быстрый и неожиданный прогресс отчасти объясняется значительными достижениями в нескольких областях ИИ, в том числе — компьютерном зрении, поиске и планировании, а также обучении с подкреплением. Благодаря развитию этих областей ИИ способен непрерывно отслеживать окружающую обстановку и прогнозировать потенциальные изменения в ней. В общем и целом, существует шесть столпов, которые обеспечивают безопасное перемещение беспилотного автомобиля.
Во-первых, автомобиль перемещается в пространстве, ориентируясь по GPS и подробной 3D-карте окружающей местности. Чтобы построить такие карты, необходимо множество раз проехать по окрестностям и зафиксировать, как могут изменяться дорожные условия. Благодаря таким картам беспилотники знают, чего ожидать от окружающей местности, и получают некоторые предварительные расчеты.
Далее автомобиль собирает данные с помощью своих датчиков, в том числе — камер объемного звучания, обладающих 360-градусным охватом ультразвуковых и радиолокационных датчиков, а также лидаров. Совместная работа датчиков обеспечивает комплекс данных о близрасположенных предметах — их размере, форме, а также скорости и направлении движения.
Третий шаг — поиск по этим данным таких объектов, которые могут повлиять на маршрут автомобиля. Для этого шага требуется компьютерное зрение — краеугольный камень в исследованиях ИИ, которое учит машины «видеть» и «понимать» изображения, видео и другие визуальные мультимедиа. Заметьте, алгоритмы ИИ в явном виде не обладают пониманием того, что они видят; тем не менее они генерируют явный правильный вывод: например, они различают на картинке собаку, не понимая, что такое собака. В случае автономных транспортных средств, собранные данные используют для того, чтобы обучить алгоритмы машинного обучения отличать объекты на основе их формы и поведения. Обрабатывая миллионы примеров, ИИ учится распознавать пешеходов, велосипедистов, разметку полос и другие объекты.
Поскольку многие объекты движутся по дороге, ИИ должен в том числе прогнозировать направление и скорость их движения. Например, движется ли пешеход к или от самоуправляемого автомобиля? Это четвертый шаг: предугадать действия объектов на дороге. Одним из методов, позволяющих ИИ достичь этой цели, является метод опорных векторов — популярный алгоритм, созданный под влиянием знаний о человеческой психике. Алгоритм с таким необычным названием полагается на простой принцип — люди учатся по аналогии.
Живя в хаотичном мире, мы ищем сходство между различными явлениями и ситуациями, чтобы связать неизвестные события с теми, что мы уже пережили. В свою очередь, эти сравнения позволяют нам увидеть общие закономерности. Анализируя видео, снятое автомобильными датчиками, метод опорных векторов в сочетании с глубоким обучением помогает различать транспортные средства и пешеходов и предсказывать их перемещения. Безусловно, этот метод очень важен для беспилотных автомобилей и ИИ в целом. Правильно оценив место действия, ИИ должен предпринять пятый шаг — определить, как верно реагировать на изменения в окружающей обстановке.
Поиск и планирование — это область ИИ, в которой машины учатся рассчитывать и выбирать правильную последовательность реакций для решения конкретной задачи.
Алгоритмы планирования часто используют в робототехнике для того, чтобы выстроить последовательность действий, они помогают разработать план с учетом имеющихся ограничений. Например, после того, как автомобиль-робот проанализирует окружающую обстановку, он должен в режиме реального времени проложить безопасный, удобный и эффективный путь через множество движущихся объектов, чтобы достичь своей цели — например, следующего перекрестка.
Возможно, самым современным методом создания систем ИИ для принятия решений является обучение с подкреплением. Также созданный под влиянием данных психологии, метод обучения с подкреплением является разновидностью метода проб и ошибок, часто применяемого при дрессировке животных. Если вкратце, животное за какой-либо поступок либо награждают, либо наказывают, пока не добьются желаемого поведения.
Наградой для ИИ является число, которое алгоритм пытается увеличить. Во время обучения вознаграждение может быть кратковременным и даваться сразу после действия, а может быть долгосрочным и даваться только после целой последовательности действий.
Когнитивные психологи утверждают, что именно через обучение с подкреплением люди получают новые знания, когда нет четких инструкций: например, долгое время управляя автомобилем, мы интуитивно обучаемся новым навыкам вождения. Схожим образом алгоритм ИИ воспроизводит метод обучения без учителя. Объединение глубокого обучения и алгоритмов обучения с подкреплением в одно целое — глубокое обучение с подкреплением — считается последним словом в этой сфере исследований. Эта концепция, которую первой разработала компания DeepMind, сочетает в себе обучение методом проб и ошибок с обучением на основе необработанных входных данных, например пикселей в изображении. Если развить эту концепцию и применять ее в беспилотниках, ИИ сможет рассчитывать свой следующий шаг исключительно на основе данных, полученных датчиками, без вмешательства человека. Другими словами, этот вид алгоритмов учится выполнять последовательность действий в конкретной обстановке.
Идею глубокого обучения с подкреплением подсказал человеческий мозг. Возьмем, к примеру, дифференцируемый нейронный компьютер, который отчасти имитирует рабочую память в человеческом мозге. Еще одна идея, подсказанная нейронаукой, — автономное воспроизведение, которое позволяет сети постоянно учиться на прошлом опыте. Сравнивая текущие ситуации с событиями, хранящимися в памяти, сеть со временем начинает понимать, какие действия при тех или иных входных данных приведут к вознаграждению. Изначально алгоритм обучался на играх компании Atari, но теперь он используется для навигации по дорогам. Развитие методов глубокого обучения с подкреплением позволяет беспилотникам получать опыт вождения в процессе эксплуатации. Если развитие алгоритмов с модулями памяти будет продолжено, они помогут беспилотникам блестяще справляться со сложными дорожными ситуациями.
На шестом и последнем шаге все эти технологии машинного обучения помогают автомобилю с ИИ правильно реагировать на ситуацию: ускориться, притормозить или повернуть. Исследования в области беспилотных автомобилей постоянно развиваются. Например, в Массачусетском технологическом институте лидарные датчики учатся анализировать структуру покрытия прилегающих территорий, чтобы лучше определять границы грунтовых дорог, тогда автономные транспортные средства можно будет использовать и в сельской местности. Виртуальная реальность также помогает учить ИИ вождению. Использование смоделированных карт позволяет опустить первый шаг в обучении — построение высококачественных 3D-карт — и дает автомобилю возможность испытать на себе редкие, но потенциально смертельные дорожные происшествия.
В июне 2018 года DeepMind выпустила глубокую нейронную сеть под названием генеративная сеть запросов (GQN), которая может воссоздать в 3D любое место на основе нескольких родственных 2D-изображений. Также GQN выстраивает изображение местности с разных точек обзора. GQN и подобные методики пока несовершенны, но они уже могут предложить беспилотникам дополнительные возможности ориентирования на дороге. Например, алгоритм может ознакомить ИИ с определенным перекрестком, когда автомобиль движется к нему под необычным углом.
Благодаря интересу со стороны ученых и бизнеса производство автономных автомобилей быстро развивается: в США Департамент транспортных средств уже разрешил более 50 компаниям тестировать подобные автомобили в различных штатах. Среди них — как новые компании, такие как Waymon, Uber и Tesla, так и знакомые всем автомобильные гиганты Nissan, BMW, Honda и Ford.
Разумеется, развитию этой сферы также способствует то, что первый массовый производитель автономных транспортных средств выиграет экономически.
В одном из исследований аналитики Intel доказали, что беспилотные автомобили обладают огромным экономическим потенциалом: в Intel прогнозируют, что к 2035 году производство автономных автомобилей даст годовой доход в 800 миллиардов долларов, а к 2050 году он увеличится до 7 триллионов долларов. В докладе этот новый рынок называется «пассажирской экономикой», в нее входит стоимость услуг и товаров, которые появляются вследствие использования беспилотных автомобилей, а также нематериальная экономия времени и ресурсов.
Считается, что производство автономных грузовиков принесет еще больше доходов. На длинных участках шоссе беспилотные грузовики могут выстраиваться в колонны, уменьшая, таким образом, аэродинамическое сопротивление. В отличие от живых водителей, ИИ никогда не устает и не теряет концентрацию. В начале 2018 года компания Embark объявила, что ее беспилотный грузовик преодолел 3 860 км по территории США, при этом контролировал поездку живой водитель. Если бы законы не запрещали автономное передвижение транспортных средств, грузовик мог бы проехать от одного побережья до другого всего за два дня, а не за четыре-пять, как с живым водителем. Экономические выгоды настолько велики, что Waymo, Tesla и Uber занялись грузоперевозками. В течение ближайшего десятилетия автономные грузовики, возможно, завоюют всю отрасль.
Вопреки первоначальным прогнозам, внедрение ИИ разрушает не только сферу низкоквалифицированного труда — ИИ получает широкое распространение и в такой неожиданной области, как здравоохранение. Влияние ИИ уже ощущается в фармацевтике, пациенториентированных клиниках, хирургии и медицинской диагностике.
С помощью больших данных, а также сложных алгоритмов ИИ крупные фармацевтические компании анализируют библиотеки препаратов, чтобы найти возможность создания новых перспективных лекарств. Суперкомпьютер IBM Watson после своей знаменательной победы в шоу Jeopardy! сотрудничает с такими фармацевтическими гигантами, как Merck, Novartis и Pfizer, разрабатывая новые лекарства, планируя и анализируя клинические испытания, а также прогнозируя безопасность и эффективность лекарств.
В фармацевтике часто применяют ИИ, в основе которого лежат эволюционные алгоритмы. Так же как и случае с искусственными нейронными сетями, концепция эволюционных алгоритмов появилась благодаря природе — в данном случае, идее естественного отбора. Исследователи ИИ берут начальную совокупность алгоритмов и выбирают те, которые лучше всего генерируют новую молекулярную структуру препарата. Потом немного изменяют самые результативные алгоритмы или смешивают фрагменты их кода, чтобы получить следующее поколение алгоритмов. Теоретически через несколько поколений лучшие программы последней популяции смогут превосходно генерировать молекулы, похожие на лекарства.
Эволюционные алгоритмы позволяют исследователям моделировать свойства молекул, а также создавать новые молекулярные структуры и определять, пригодятся ли они при создании лекарств. Сегодня большинство крупных фармацевтических компаний в процессе изыскания новых лекарственных средств использует генетические алгоритмы. Кроме того, байесовские модели, ранее внедренные в рекомендательные системы, также помогают понять, какие химические структуры подойдут для различных типов лекарств и в случаях множественной лекарственной устойчивости.
В клиниках новое поколение технологически подкованных врачей постоянно консультируется со специализированными приложениями на основе ИИ. Так как рабочие нагрузки увеличиваются, врачи готовы прибегать к любой помощи, что способствует интеграции ИИ в их повседневную практику.
Во-первых, поскольку объем научных публикаций быстро растет, автоматизированные системы по обработке текста могут просматривать опубликованные отчеты и выуживать из них новую информацию, которую затем врачи получают уже в виде простых сводок. В настоящее время IBM Watson и Semantic Scholar обучаются именно такой способности. Обрабатывая естественный язык, эти системы читают и классифицируют результаты миллионов научных работ, чтобы найти необходимую информацию и ранее упущенные соответствия. Во-вторых, клинические помощники на основе ИИ могут взять на себя административную работу — например, заполнение медицинских карт. В середине 2018 года компания Suki вложила миллионы в развитие своего голосового цифрового помощника для клиник. Предварительные данные, полученные в ходе 12 исследований в США, показывают, что ИИ экономит врачам до 60 % времени, затрачиваемого на оформление документов. Как и в других технологиях машинного обучения, точность Suki будет только расти по мере увеличения объемов собранных данных.
Важная область применения ИИ — робототехника — также внесла свой вклад в развитие медицины: речь о роботах-хирургах.
В 2000 году компания Intuitive Surgical представила систему da Vinci, которая способна проводить минимально инвазивные операции по шунтированию сердца. Система превращает движения рук хирурга в небольшие точные действия роботизированных манипуляторов. В настоящее время аппарат может проводить множество типов операций и работает в больницах по всему миру.
Но, пожалуй, сильнее всего ИИ повлиял на медицинскую диагностику.
В 2017 году в престижном академическом журнале Nature было опубликовано исследование, доказывающее, что искусственная нейронная сеть может выявить подтвержденный биопсией рак кожи. Алгоритм выполняет диагностику не хуже, а иногда и точнее сертифицированных дерматологов.
В некоторых испытаниях ИИ проявил себя более внимательным и точным, чем живые врачи, реже пропускал смертельный рак кожи и реже ошибочно диагностировал рак. Совсем недавно другие разработчики представили системы ИИ, которые сканируют изображения сетчатки, оценивая риск развития глазных и сердечнососудистых заболеваний. Существуют также алгоритмы диагностики рака молочной железы на основе маммограмм и автоматизированные системы выявления пневмонии, аритмии сердца и некоторых переломов костей, и диагнозы этих алгоритмов не уступают по точности диагнозам живых врачей.
Успехи ИИ в медицинской диагностике настолько многообещающие, что британский ученый Джеффри Хинтон (род. 1947) недавно заявил, что медицинским институтам «пора прекратить выпускать рентгенологов». Многие, однако, считают, что ИИ может помочь рентгенологам в слаборазвитых или развивающихся регионах и расширить доступ к медицинской помощи.
Еще более новаторская сфера применения ИИ в медицине — умное протезирование. Используя методы глубокого обучения, ученые разработали протезы рук и кистей, которые реагируют на мозговые волны, позволяя пациентам управлять бионическими конечностями с помощью разума. Такие компании, как Aipoly и EyeSense, используют нейронные сети, чтобы помочь слабовидящим людям ориентироваться в окружающей среде. Приложения работают на смартфонах и описывают близко расположенные объекты.
Влияние ИИ на общество и его применение безграничны.
Согласно «Столетнему исследованию искусственного интеллекта» Стэнфордского университета, в течение следующих двух десятилетий ИИ, помимо описанных в этой главе сфер жизни, значительно повлияет на логистику, образование, общественную безопасность и работу сервисных роботов. С развитием технологий ИИ-системы будут проникать в общество и промышленность. Однако для того, чтобы ИИ полностью реализовал свой потенциал, его результаты должны быть точными и объяснимыми.
Сегодня существует несколько серьезных препятствий, которые мешают ИИ воплотить связанные с ним революционные перспективы.
В статье рассказывается об искусственном интеллекте (ИИ), а также с двух сторон рассматриваются положительные и отрицательные последствия создания и использования ИИ для человечества и Земли.
Почему тема ИИ актуальна?
Современный мир с каждым годом развивается всё стремительнее. Повсеместно внедряются технологии: на уровне государств и корпораций, а также в жизни простых людей. С течением времени IT-технологии становятся всё важнее для мира, а человечество превращается в более взаимосвязанное и взаимозависимое сообщество. Пандемия коронавирусной инфекции ускорила и без того быструю цифровизацию разных сфер жизни человека. Ещё в прошлом веке изобрели первые машины, обладающим искусственным интеллектом в зачаточном состоянии. Сегодня же ИИ используется в большинстве сфер общественной жизни, но уровень его развития всё ещё недостаточно высок.
Зачем люди создают ИИ?
Целая отдельная отрасль информатики задействована для того, чтобы создать ИИ. Перед учёными стоит невероятно трудная задача – смоделировать человеческий разум. С помощью данной задачи можно решить главную цель создания ИИ, преследуемую научным сообществом – обеспечение безопасности и сохранности всей информации, накопленной человечеством за весь период существования.
Каковы основные функции ИИ?
По ожиданиям учёных, искусственный интеллект обязан уметь применять полученные знания на практике для достижения самых разных целей. Он должен решать сложнейшие задачи, с которыми не может справиться человек. ИИ призван сделать жизнь людей лучше, проще и удобнее. Кроме всего этого, искусственный интеллект должен уметь находить способы решения важнейших задач без заранее вложенных в него инструкций. На самом деле, это большая проблема, так как на сегодняшний день ИИ может обрабатывать информацию лишь так, как его запрограммировали.
Каким должен быть ИИ?
Как предполагают учёные, искусственный интеллект – алгоритм, способный к самообучению, рефлексии, сознанию и самосознанию. Однако неизвестно, возможно ли в принципе искусственное создание разума, подобного человеческому. Непонятно и то, будет ли ИИ похожим на человека, или, быть может, он превратится в нечто вроде бога. Довольно важен и вопрос обладания искусственного интеллекта мотивацией, ведь без неё он – всего лишь инструмент.
Каковы основные виды ИИ?
В теории существует три вида искусственного интеллекта:
1. Слабый ИИ
Примитивный ИИ, способный только на действия, которые в него вложили, действующий так, как его запрограммировали. Может выполнять одну или несколько задач, так как имеет весьма узкую специализацию. Такой ИИ широко используется уже сейчас.
2. Сильный ИИ
Мощный ИИ, обладающий разумом, примерно равным человеческому. Будет иметь все основные черты сознания человека. Создать такой ИИ можно будет только после полного изучения всех свойств человеческого мозга, что случится ещё очень нескоро.
3. Супер-ИИ
Сверхмогущественный ИИ, который, вероятно, достигнет уровня развития бога или подобного ему существа. Он будет знать всё об устройстве вселенной и сможет ответить на все вопросы. Пока что такой ИИ существует только в научно-фантастических произведениях.
Каковы последствия от создания ИИ?
Прогнозирование последствий создания искусственного интеллекта – дело практически бессмысленное. Сейчас мы находимся невероятно далеко от конечной цели, но некоторые вещи мы можем предположить. Никто не запрещает нам поразмышлять о положительных и отрицательных последствиях создания ИИ. Этим мы сейчас и займёмся.
ПОЛОЖИТЕЛЬНЫЕ ПОСЛЕДСТВИЯ
1. Всеобъемлющее развитие
Самое главное, что может дать человечеству искусственный интеллект – комплексное развитие всех сфер жизни общества. Грядущая четвёртая промышленная революция подразумевает под собой тотальное введение IT-технологий в жизнь каждого человека. Сильно продвинутся в развитии такие отрасли как наука и образование, медицина и здравоохранение. Коммуникация между людьми станет проще и быстрее, новые технологические изобретения будут появляться всё чаще. Изменятся экономика, политика, культура, быт людей, и само общество тоже. Будут автоматизированы сельское хозяйство и производство. В социальной сфере значительно улучшатся транспорт и инфраструктура. Техника будет внедрена повсеместно и окажет непосредственное влияние на сферу развлечений и безопасность.
2. Всеохватывающие исследования
Неизбежное развитие науки на фоне создания ИИ позволит проводить более глубокие исследования, да и к тому же гораздо чаще. Мы сможем наконец полностью изучить организм человека, всё живое на планете, саму Землю и вселенную, а также ответить на многие вопросы, мучающие людей тысячелетиями. Исследования станут доступны везде и без рисков для здоровья человека: в подводной глубине, в недрах Земли, в горах и вулканах, в далёком космосе, в труднопроходимых (пустыни, болота, джунгли, замёрзшие и ледяные просторы) и опасных (радиоактивные территории и поля боевых действий) местах. Развитие ИИ подтолкнёт развитие человека, и наоборот.
3. Грамотная организация жизни человечества
В теории, правильно созданный и функционирующий ИИ сможет грамотно распоряжаться доступными ресурсами и благами между всем населением планеты. Всё это будет равномерно распределяться между людьми в зависимости от их потребностей, и утопическая идея о всеобщем равенстве и благополучии может осуществиться. ИИ для этого должен будет наладить умное, быстрое и эффективное снабжение. Кроме того, ИИ должен быть невероятно надёжным, не совершать ошибки, которые могут допускать люди, молниеносно реагировать на вызовы и быстро принимать лучшие решения в каждой конкретной ситуации. Однако не стоит забывать, что ИИ – это в первую очередь машина, а значит, она не застрахована от технических сбоев и от принятия просто глупых решений. Появление ИИ будет также означать, что людям больше не придётся ничего выбирать – лучший выбор за них будут делать алгоритмы искусственного интеллекта. Так человечество может попасть в зависимость от ИИ и перестать развиваться.
ОТРИЦАТЕЛЬНЫЕ ПОСЛЕДСТВИЯ
1. Замена человека роботами
Вполне вероятен сценарий, когда ИИ сумеет вытеснить человека из многих сфер деятельности. Сначала это будет тяжёлая и рутинная работа, потом – работа поинтеллектуальнее. Даже искусство окажется под силу искусственному интеллекту – уже сейчас нейросети создают шедевры на основе уже существующих работ. Тогда обесценится человеческий труд, и люди могут быть заменены роботами. Такой поворот создаст неопределённость, касающуюся судеб людей, лишившихся работы. Некоторые говорят о том, что роботы не смогут заменить человека везде и всюду, что роботы будут делать только нудную работу, чтобы разгрузить день человека, добавить ему свободное время, которое он может потратить на хобби. Это даёт надежду на светлое будущее. Возможен и сценарий, когда появятся новые профессии в связи с развитием IT-индустрии. Но кто в таком случае должен переквалифицировать вчерашних грузчиков, продавцов и уборщиков?
2. Уязвимость и несовершенство ИИ
Есть логичные основания полагать, что ИИ может развиться до такой степени, что будет относиться к людям как к низшим созданиям. Он может выйти из-под контроля людей, и тогда катастрофы не миновать. Вполне возможно, что он захочет вообще уничтожить человечество, абсолютно искренне считая, что планете от этого будет лучше. Кто-то скажет, что человек гораздо опаснее ИИ. Возможно, но до сих пор никто так и не осмелился начать ядерную войну. А искусственный интеллект без чувств, эмоций, этики и души будет освобождён от всяческих предрассудков и неизвестно, как он себя поведёт, если вырвется из рук учёных. Нельзя исключать и то, что ИИ может попросту попасть в руки злоумышленников, что на деле окажется чуть ли не опасней ядерной кнопки в лапах обезьяны.
3. Конфликт конфиденциальности и безопасности
Абсолютно точно, что появление ИИ обострит существующий уже в наши дни конфликт конфиденциальности данных и безопасности всех и каждого. И выбор сильных мира сего будет точно не в пользу первого. Мир уже сейчас движется в сторону тотального контроля государств и корпораций над человечеством. С одной стороны, искусственный интеллект сделает жизнь простого обывателя гораздо комфортнее, а количество преступлений значительно уменьшится. С другой стороны, власти будут следить за всем населением: никто ничего не сможет скрыть. Тот, у кого в руках будет власть, станет полубогом, и, скорее всего, будет ей злоупотреблять.
Выводы
1. ИИ – невероятно актуальная для нашего времени тема.
2. Люди уже долгое время пытаются создать полноценный ИИ.
3. Непонятно, будет ли когда-нибудь создан ИИ, а также то, каким он будет: больше похожим на человека или на машину.
4. Грамотно оценить последствия от создания ИИ для человечества практически невозможно, так как мы ещё невероятно далеки от конечной цели. Пока что все предположения и прогнозы почти полностью лишены смысла.
Кстати, в будущем мы продолжим рассказывать и о других интересных темах. Не пропустите, будет интересно!
Будущее наступило, старик
На самом деле, искусственный интеллект почти не отличается от нашего. Нейросеть, как и человеческий мозг, сталкиваясь с незнакомым предметом, сначала его изучает и анализирует, чтобы потом использовать полученную информацию. Вспомните, как вы учились самостоятельно есть кашу ложкой или кататься на велосипеде. Освоив этот навык однажды, вы уже не сможете забыть его. Нейросеть работает схожим образом: она получает информацию, усваивает и использует её. Единственная разница с человеческим мозгов в объеме и скорости освоения навыков. Как бы нам не хотелось уметь все, но возможности нашей памяти ограничены. Освоить новый навык, например, отличать изображение кошки от собаки дело для искусственного интеллекта — дело нескольких минут.
Нейросеть можно сравнить c ленивым, но талантливым ребенком. Искусственный интеллект не умеет действовать самостоятельно — его всему можно обучать. Вернемся к примеру с кошками и собаками: для того чтобы она смогла различать домашних питомцев нужно, во-первых, дать ей много фотографии для анализа, во-вторых, проверить результаты — указать на неточности или подтвердить правильность ее выводов. Однако, если загрузить в нейросеть фотографию, например, канарейки, алгоритм не узнает пернатого существа и причислит его либо к кошке, либо к собаке. Искусственному интеллекту также нужно показать, как выглядят желтые птички, чтобы в будущем алгоритм смог их узнавать. Зато в будущем он больше никогда не ошибется.
Конечно, это простой пример. Сегодня нейросети выполняют более сложные задачи: рисуют картины, разрабатывают логотипы, сочиняют музыку, делают видео, пишут истории и даже программный код. Искусственный интеллект даже помогает школьникам и студентам выполнять домашнюю работу.
Дай списать!
В последнее время Интернет трубит о нейросети под названием «СhatGPT». Первыми осознали возможности искусственного интеллекта ученики школ. Они начали использовать изобретение программистов для решения задач по алгебре, геометрии, физике и химии. Нейросеть не только показывает ответ, но и подробно описывает ход решения, а при необходимости даже отвечает на возникшие вопросы. С гуманитарными предметами «ChatGPT» справляется гораздо хуже, чем с точными науками, хотя и с ними иногда возникают проблемы. Сочинения и эссе требуют литературной обработки, а решения задач — дополнительной проверки. Мы решили провести эксперимент и спросили у искусственного интеллекта, что он думает об известном русском поэте А.С. Пушкине.
— Я думаю, что Александр Пушкин — это величайший русский поэт. Он создал множество великих произведений, таких как «Евгений Онегин», «Борис Годунов» и «Руслан и Людмила». Его стихи содержат глубокие философские и литературные идеи. В них также можно найти мудрость и истину. Я прекрасно понимаю, почему он до сих пор привлекает читателей и любителей литературы по всему миру, — ответила нейросеть.
Если немного обработать текст, то «мысли» «СhatGPT» можно использовать в качестве школьного сочинения по литературе. С задачей по математике в нашем эксперименте искусственный интеллект не справился. Мы попросили нейросеть решить задачу из варианта ЕГЭ-2023. «СhatGPT дал неверный ответ. Мы указали на ошибку, после чего нейросеть описала верное решение:
— Ох, извините, я не права. Вы правы, что скорость третьего велосипедиста составляет 25 км/ч. Это происходит потому, что < долгое и скучное решение> Это дает скорость 25 км/ч.
Золотое правило «доверяй, но проверяй» работает и в отношении цифровых собеседников. Людям, прибегающим к помощи нейросетей, не нужно торопиться: лучше перепроверить полученную информацию, чтобы не получить «двойку» на уроке.
На самом деле, сфера применения искусственного интеллекта не ограничивается образованием. С помощью нейросетей можно решать самые обычные, повседневные задачи, например, придумать причину опоздания на работу:
— Например, вы могли заняться походом в парк, посмотреть на прекрасную природу или почитать книгу. Или же вы могли просто слишком долго находиться в социальных сетях и просто забыть про работу. В любом случае, нет ничего плохого в том, чтобы заняться чем-то интересным и приятным, даже если это приведет к опаздыванию.
Кисть великого художника
Сможет ли робот создать произведение искусства? Ещё пять лет назад большинство людей однозначно сказало бы «нет». Однако уже сегодня многие задумаются, а некоторые вообще ответят утвердительно.
Возможности нейросетей по созданию изображений поражают воображение. Пользователь всего лишь составляет небольшой текстовый запрос, а нейросеть, согласно ему, генерирует изображение.
Цифровые художники учатся так же, как и реальные: сначала они смотрят картины, иллюстрации, а затем на их основе создают собственные произведения. Это сложный механизм «машинного обучения», которое уже называют перспективным направлением в ближайшие годы. Слово «промт» означает описания, по которым нейросети генерируют изображения, а процесс создания и использования этих описаний — «промт-инженеринг». Нейросети обладают огромным потенциалом, но, чтобы его реализовать его, нужны специалисты, способные «общаться» с ними. Сегодня этим занимаются лишь энтузиасты, но, вероятно, в скором будущем появятся курсы профессиональной подготовки.
Возможности использования генераторов изображений безграничны. Бизнес получит неисчерпаемый творческий ресурс, которые позволит им создавать не только иллюстрации и логотипы, но и проектировать дизайн одежды, мебели и даже целых квартир. Возможно, в будущем нейросети смогут нарисовать картину не по текстовому запросу, а по звуку. Но пока это только фантазии, и нам остается лишь гадать, что готовит день грядущий.
Доапокалиптическое будущее.
https://gbcdn.mrgcdn.ru/uploads/post/1109/og_cover_image/6105ce1d2012783c62dfb046130eac98
В прошлом году группа экспертов из Стэнфорда под названием «AI100» (The One-Hundred Year Study of Artificial Intelligence) дала свой прогноз, как изменится мир за следующие 15 лет. Прогноз касается 8 основных сфер жизнедеятельности: транспорт, здравоохранение, образование, развлечения, трудоустройство, безопасность, быт/сфера услуг и социальная сфера. Доклад обещают сделать ежегодным, корректировки будут вноситься на основании сопоставления текущего и ожидаемого прогресса.
Год 2030 выбран не случайно, по мнению «AI100» именно к этому времени человечество переживет главный бум внедрения искусственного интеллекта в повседневную жизнь. После этого дальнейшее развитие упрется в социальный и физический ресурс, пути преодоления которого пока предвидеть невозможно.
Итак, вот какие изменения нас ждут согласно прогнозам.
Транспорт
Современные системы управления автомобилем массово поступят в продажу уже через 2−3 года, поэтому к 2030-му, с учетом снижения их стоимости, это будет так же обыденно, как увидеть сегодня на улице мегаполиса электромобиль. В итоге это приведет не только к снижению аварийности, но и изменению городской инфраструктуры — люди смогут жить вдали от работы, ведь время, проведённое в дороге, больше не будет приносить усталость — можно поспать, решить личные вопросы или спокойно позавтракать. Главный вопрос, которым задаются эксперты: «Как регулировать правовое поле в случае аварий с участием человека и ИИ?». Вряд ли производители данных систем будут брать на себя все возможные риски, в то время как владелец будет лишь рядовым пользователем.
Здравоохранение
Уже сегодня существуют системы автономной первичной консультации. Через 15 лет вам не придется стоять в очередях, чтобы за 5 минут изложить симптомы и получить стандартный перечень рекомендаций по лечению. Уже после пациент сможет записаться на прием к врачу лично для оценки заболевания и более глубокой диагностики, если это потребуется. Будем откровенны, лишь предрассудки мешают эффективно использовать такие системы в 2017-м повсеместно, но экономический и социальный факторы неизбежно должны изменить эту ситуацию.
Образование
Роль очного образования будет падать, в то время как онлайн-школы, университеты, МООС будут только расти и развиваться. Для того, чтобы поднять эффективность и уровень доверия к удаленным платформам, ведущим поставщикам услуг (основную часть которых составляют, собственно, топовые мировые вузы) придется прибегнуть к услугам ИИ. По аналогии со здравоохранением, на основании дифференцированных тестов поступающие и обучающиеся будут зачисляться на курсы, делиться на группы, отчисляться, переводиться. Кроме того, ожидается, что подобные системы станут менее зависимы от преподавателей в плане информации, ведь каждый из учеников будет получать тот объем теории, который он в состоянии усвоить на данный момент.
Ну и конечно ИИ сыграет ключевую роль в перепрофилировании тех, кто потерял работу из-за внедрения ИИ.
Трудоустройство
И здесь мы подходим к главной проблеме общества будущего — высокий уровень безработицы. Тенденция на снижение стоимости физического труда в сравнении с ростом оценки интеллектуального капитала и требований к нему приведет к серьёзным политическим, экономическим и социальным сдвигам. Поддерживать тот уровень жизни, что доступен среднестатистическому человеку сейчас, будет крайне сложно. Поэтому либо высшим кастам придется стать беднее (что вряд ли), либо число безработных и нищих будет расти быстрыми темпами. Результатом станет рост преступности, количества войн и локальных конфликтов.
Безопасность
Беспилотные аппараты, системы прогнозирования поведения и распознавания лиц будут использоваться массово правоохранительными органами и частными организациями. С одной стороны, при этом вырастет роль человека в принятии важных решений, с другой — людям будет необходимо доверить жизнь и безопасность машинам.
А вот виртуальное пространство, несмотря на увеличение нагрузки, благодаря ИИ станет безопаснее. Более глубокое внедрение технологий в интернет позволит повысить эффективность борьбы с пиратами, хакерами, автоматически осуществлять регулировку доступа к мультимедийным ресурсам, качественнее искать и подавать информацию.
Развлечения
Еще одним шагом в борьбе с растущим недовольством населения будет развитие индустрии видеоигр. В данной сфере ИИ и без того развивается сумасшедшими темпами, но теперь на него косвенно будет возложена социальная функция. Молодые люди, которые не смогут найти работу или получить образование, будут вымещать своё недовольство перед экранами мониторов, телевизоров, мобильных устройств. То, что вчера было нарушением социального поведения, к 2030-му станет нормой. Развитие будет поддержано на самом высшем уровне, киберспорт заменит спорт физический, а системы онлайн-услуг и дешевые электронные устройства ещё больше отвлекут внимание людей от растущего кризиса.
Социальная сфера
С другой стороны, большее количество людей получит доступ к образовательным и информационным ресурсам, зависимость от местоположения и социального статуса будет снижена, что предоставит возможность большему количеству людей повысить свое благосостояние.
Системы моделирования и прогнозирования выйдут на новый уровень; стихийные бедствия можно будет предвидеть еще раньше, социальную помощь оказывать адресно, городская инфраструктура будет развиваться эффективнее, статистические данные будут основываться на принципиально большей выборке.
Быт/Сфера услуг
Несмотря на описанную картину апокалипсиса эксперты из «AI100» уверены, что сами роботы не сделают существенного скачка в развитии. В 2030 для них всё ещё серьёзными проблемами будут преодоление физических препятствий вроде лестниц, бордюров и ям, взаимодействие с окружающим миром. Поэтому не стоит ожидать, что через 15 лет к вам сможет приехать рободоставщик пиццы.
С большой долей вероятности, зависимость людей от онлайн-услуг, будь то шоппинг, вызов такси или покупка билетов в кино, выйдет на такой уровень, что эти действия будут совершать только благодаря мобильному помощнику с голосовым управлением.
А какие у вас ожидания от будущего с ИИ?
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке «Файлы работы» в формате PDF
Большинству людей искусственный интеллект (ИИ) может показаться чем-то из области фантастики, но вы можете быть удивлены, узнав, что вы уже пользуетесь устройствами с искусственным разумом! ИИ имеет огромное влияние на нашу жизнь, и его влияние растет с каждым днем! Вот 10 примеров искусственного интеллекта, которыми мы пользуемся каждый день
Виртуальные личные помощники
Siri, Kortana и другие интеллектуальные цифровые, персональные помощники на различных платформах (iOS, Android и Windows). Они помогают найти полезную информацию, о который вы у них просите используя естественный человеческий язык. ИИ в таких приложениях собирают информацию на ваших вопросах и используют ее, чтобы лучше понимать вашу речь и выводить результаты с учетом ваших предпочтений. Microsoft утверждает, что Cortana постоянно получает информацию о своих пользователях и в конечном итоге она будет способна предвидеть потребности своих клиентов. Виртуальные личные помощники обрабатывают огромное количество данных из различных источников, чтобы узнать больше о пользователях и стать более эффективными помощниками в поиске и обработки информации.
Видеоигры
Один из примеров использования искусственного интеллекта, с которым большинство людей вероятно знакомы, это видеоигры, которые уже давно используют ИИ. Сложность и эффективность ИИ в видеоиграх возросло в геометрической прогрессии в течении последних нескольких десятилетий, в результате чего видеоигровые персонажи способны вести себя совершенно непредсказуемым образом. Видеоигры активно используют ИИ для своих персонажей, которые могут анализировать окружающую среду для поиска объектов и взаимодействия с ними. Они способны укрываться, исследовать звуки, использовать фланговые маневры, общаться с другими персонажами и т.д.
Автомобили с искусственным интеллектом (самоуправляемые автомобили)
Автономные автомобили становятся все ближе к реальности. Google сообщила об алгоритме, способном научиться водить машину точно так же , как это делает человек: через опыт. Идея заключается в том, что в конечном итоге автомобиль будет способен смотреть на дорогу и принимать решения, основываясь на том, что он видит.
Предложение товаров
Крупные ритейлеры, как Target и Amazon, зарабатывают много денег благодаря способности их магазинов предвидеть ваши потребности. Эта способность реализуется различными способами: купоны, скидки, таргентинговая реклама ит.д. Как вы уже догадались это очень спорное использование ИИ так как заставляет многих людей переживать по поводу возможных нарушений неприкосновенности частной жизни.
Обнаружение мошенничества
Вы когда-нибудь получали сообщение о том что вы сделали какую-либо покупку по вашей кредитной карте, хотя вы не совершали никаких покупок? Многие банки отправляют эти сообщения, если считают, что существует вероятность мошенничества с вашим аккаунтом и хотят убедиться, что вы одобряете покупку, прежде чем перечислить деньги в другую компанию. Часто для наблюдения такого рода мошенничества используется ИИ. После достаточного обучения, система будет в состоянии обнаружить мошеннические транзакции на основе тех признаков, которые он узнал посредством обучения.
Онлайн поддержка клиентов
Многие сайты сейчас предлагают клиента пообщаться с представителем службы поддержки в то время как они просматривают товары на сайте, но не на каждом сайте на самом деле отвечают живые люди! Во многих случаях вы общаетесь с ИИ. Многие из этих чат ботов мало чем отличаются от автоответчиков, но некоторые из них действительно способны извлекать знания из сайта и предоставлять их клиентам, когда они попросят об этом.
Новостные порталы
Знаете ли вы, что программы с ИИ способны писать новости? ИИ способен писать простые истории, такие как, финансовые сводки, спортивные репортажи и т.д. Конечно такая система все же нуждается в помощи человека, но это всего лишь вопрос времени и в ближайшем будущем ИИ будет способен писать полноценные статьи.
Видеонаблюдение
Контролировать большое количество видеокамер одному человеку очень сложное и порой скучное занятие. Именно поэтому были разработаны компьютеры с ИИ для мониторинга этих камер. Алгоритм мониторинга принимает входные данные с камер видеонаблюдения и определяет есть ли опасность или нет. Если он «видит» опасность, то оповещает сотрудников безопасности об этом.
Рекомендации фильмов и музыки
Конечно эти системы довольно просты по сравнению с другими интеллектуальными системами, но в то же время они выполняют довольно-таки полезную задачу: предлагают музыку и фильмы основываясь на ваших интересах. Путем наблюдения за вашими действиями они обучаются и в конечном итоге дают вам рекомендации того, что вас заинтересует. Большая часть этих функций зависит от человека. Например, если вам нравится «рок» и вы указали в своем профиле эту характеристику, то стало быть вам нравятся и другие песни которые включают в себя эту характеристику. Это лежит в основе многих рекомендаций, и хотя это не футуристическая разработка, но она делает очень хорошую работу, помогает нам находить новую музыку и фильмы.
Умный дом
Многие домашние устройства теперь могу узнавать ваши модели поведения и помочь вам сэкономить деньги путем изменения настроек термостата или других приспособлений в целях повышения удобства и экономии энергии. Например термостат, которые знает, когда вы дома и соответственно регулирует температуру и способен сэкономить вам деньги на отопление когда вы не находитесь дома. Также ИИ используется в освещении.
Сейчас мы все чаще задумываемся о том, как изменится наша жизнь в будущем, когда искусственный интеллект еще прочнее закрепится в нашей повседневной жизни.
Во многих сферах применение ИИ является несомненным плюсом. Например, у робота не дрогнет рука во время операции, он не заснет за рулем автомобиля. Робот намного выносливее и продуктивнее человека, так как на него не влияют такие факторы, как усталость, голод, личные проблемы.
Роботы смогут освободить человека от бытовых проблем, тем самым подарив ему много времени и возможностей для размышления о существовании, смысле жизни, окружающем мире, поиске себя.
Но, как известно, у любой медали две стороны. И в широком применении ИИ есть свои минусы. Автоматизация производства и других сфер человеческой деятельности со временем приведет к полному замещению человека. Помимо безработицы, такое развитие событий повлечет за собой отсутствие необходимости у человека развиваться. Как следствие возникнет массовая деградация населения, роботы станут умнее людей, всё выйдет из-под контроля.
Также, еще одной проблемой является отсутствие морали у искусственного интеллекта. У робота нет понятий «хорошо» и «плохо». Он делает то, на что запрограммирован. Например, в любой опасной ситуации человек способен действовать определенным образом, чтобы минимизировать количество жертв. Например, водитель едет на машине и на дорогу выбегает ребенок. Допустим, возможны два варианта: водитель сбивает ребенка, а сам остается цел, или водитель сворачивает, не задевая ребенка, но может сам врезаться в столб. Здравомыслящий человек, проанализировав ситуацию, придет к выводу, что при столкновении со столбом вполне возможно остаться в живых, а при столкновении с машиной ребенок погибнет. Исходя из этого, водитель сможет сделать правильный выбор и предотвратить трагедию. Автопилот же попытался бы спасти своего пассажира, ибо робот не способен анализировать ситуации с человеческой точки зрения.
Завершая рассуждения, можно прийти к выводу, что сейчас человеку необходимо повернуть прогресс таким образом, чтобы роботы не заменяли его, а только помогали.