Искусственный интеллект (AI) — это обширная отрасль компьютерной науки, занимающаяся созданием интеллектуальных машин, способных выполнять задачи с помощью ИИ, для которых обычно требуется человеческий интеллект.
Хотя ИИ — это междисциплинарная наука с множеством подходов, достижения в области машинного обучения и глубокого обучения, в частности, приводят к изменению парадигмы практически в каждой отрасли.
Искусственный интеллект позволяет машинам моделировать и даже совершенствовать возможности человеческого разума. Начиная с разработки самоуправляемых автомобилей и заканчивая распространением инструментов генеративного ИИ, искусственный интеллект все больше входит в повседневную жизнь.
Что такое Искусственный Интеллект (AI)?
Искусственный интеллект — это компьютерные системы, которые могут выполнять задачи, обычно ассоциируемые с когнитивными функциями человека, такие как интерпретация речи, игры и выявление закономерностей.
Как правило, системы искусственного интеллекта учатся этому путем обработки огромного количества данных и поиска закономерностей для моделирования своих собственных решений. Во многих случаях люди контролируют процесс обучения ИИ, подкрепляя хорошие решения и препятствуя плохим. Но некоторые системы искусственного интеллекта предназначены для обучения без контроля, например, играя в игру снова и снова, пока они в конце концов не поймут правила и не узнают, как выиграть.
Сильный ИИ против слабого ИИ
Искусственный интеллект часто разделяют на слабый и сильный ИИ. Слабый ИИ (или узкий ИИ) относится к ИИ, автоматизирующему выполнение конкретных задач, обычно превосходящему человека, но работающему в рамках ограничений.
Сильный ИИ (или искусственный общий интеллект) описывает ИИ, который может имитировать человеческое обучение и мышление, хотя пока это остается теоретическим.
Слабый ИИ
Слабый ИИ, также называемый узким ИИ, работает в ограниченном контексте и применяется для решения узко определенной проблемы. Часто он очень хорошо справляется только с одной задачей. Распространенные примеры слабого ИИ — спам-фильтры для почтовых ящиков, языковые переводчики, рекомендательные системы для веб-сайтов и разговорные чат-боты.
Сильный ИИ
Сильный ИИ, часто называемый искусственным интеллектом общего назначения (ИОН) или просто общим ИИ, описывает систему, способную решать задачи, которым она никогда не обучалась, подобно человеку. На самом деле AGI еще не существует. Пока что он остается тем видом ИИ, который мы видим в популярной культуре и научной фантастике.
Как работает искусственный интеллект?
Системы искусственного интеллекта работают, используя любое количество методов ИИ.
Машинное обучение
Алгоритм машинного обучения (ML) получает данные от компьютера и использует статистические методы, чтобы помочь ему «научиться», как постепенно становиться лучше в выполнении задачи, не обязательно будучи запрограммированным на выполнение этой задачи. Он использует исторические данные в качестве входных для прогнозирования новых выходных значений.
Машинное обучение включает в себя как контролируемое обучение (когда ожидаемый результат для входных данных известен благодаря наборам маркированных данных), так и неконтролируемое обучение (когда ожидаемый результат неизвестен из-за использования немаркированных наборов данных).
Глубокое обучение
Глубокое обучение — это тип машинного обучения, при котором входные данные проходят через архитектуру нейронных сетей, созданных по биологическим принципам. Нейронные сети содержат несколько скрытых слоев, через которые обрабатываются данные, что позволяет машине «углубляться» в процесс обучения, устанавливая связи и взвешивая входные данные для достижения наилучших результатов.
Нейронные сети
Нейронные сети — это ряд алгоритмов и подмножество машинного обучения, которые обрабатывают данные, имитируя структуру человеческого мозга. Каждая нейронная сеть состоит из группы подключенных моделей нейронов, или узлов, которые передают информацию друг другу. Эти системы позволяют машинам выявлять закономерности и взаимосвязи в данных, а также учиться на ошибках. Это делает нейронные сети полезными для распознавания изображений, понимания человеческой речи и перевода слов с одного языка на другой.
Обработка естественного языка
Обработка естественного языка (НЛП) — это область искусственного интеллекта, занимающаяся наделением машин способностью интерпретировать письменную и устную речь так же, как и люди. НЛП сочетает в себе концепции информатики, лингвистики, машинного обучения и глубокого обучения, помогая компьютерам анализировать неструктурированный текст или голосовые данные и извлекать из них необходимую информацию. В основном НЛП занимается распознаванием речи и созданием естественного языка, а также используется для таких задач, как обнаружение спама и виртуальные помощники.
Компьютерное зрение
Компьютерное зрение — это область искусственного интеллекта, в которой машины обрабатывают необработанные изображения, видео и визуальные данные, извлекая из них полезную информацию. Глубокое обучение и конволюционные нейронные сети используются для разделения изображений на пиксели и их маркировки, что помогает компьютерам различать визуальные формы и узоры. Компьютерное зрение используется для распознавания изображений, их классификации и обнаружения объектов, а также для выполнения таких задач, как распознавание лиц и обнаружение их в самоуправляемых автомобилях.
Типы Искусственного Интеллекта
Искусственный интеллект часто подразделяют на четыре основных типа: реактивные машины, ограниченная память, теория разума и самосознание.
Реактивные машины
Как следует из названия, реактивные машины воспринимают мир перед собой и реагируют на него. Они могут выполнять определенные команды и запросы, но не могут хранить память или полагаться на прошлый опыт для принятия решений в реальном времени. Это делает реактивные машины полезными для выполнения ограниченного числа специализированных задач.
В качестве примера реактивных машин можно привести рекомендательный движок Netflix и компьютер Deep Blue от IBM (используется для игры в шахматы).
Ограниченная память
ИИ с ограниченной памятью способен хранить предыдущие данные и прогнозы при сборе информации и принятии решений. По сути, он заглядывает в прошлое в поисках подсказок, чтобы предсказать, что будет дальше. ИИ с ограниченной памятью создается, когда команда постоянно обучает модель анализу и использованию новых данных, либо создается среда ИИ, позволяющая автоматически обучать и обновлять модели.
Примерами систем ИИ с ограниченной памятью являются некоторые чат-боты (например, ChatGPT) и самоуправляемые автомобили.
Теория разума
Теория разума — это тип ИИ, который на самом деле еще не существует, но он описывает идею системы ИИ, которая может воспринимать и понимать человеческие эмоции, а затем использовать эту информацию для предсказания будущих действий и самостоятельного принятия решений.
Самосознание
Под самосознающим ИИ понимается искусственный интеллект, обладающий самосознанием, или чувством собственного достоинства. В настоящее время такого типа ИИ не существует. Однако в теории самосознающий ИИ обладает человекоподобным сознанием и понимает свое существование в мире, а также эмоциональное состояние других людей.
Почему Искусственный Интеллект важен?
Искусственный интеллект призван наделить машины такими же способностями к обработке и анализу информации, как и у человека, что делает ИИ полезным аналогом человека в повседневной жизни. ИИ способен интерпретировать и сортировать данные в масштабе, решать сложные проблемы и автоматизировать различные задачи одновременно, что позволяет экономить время, силы и восполнять пробелы в работе, упущенные человеком.
ИИ служит основой для компьютерного обучения и используется практически во всех отраслях — от здравоохранения до производства и образования — для принятия бизнес-решений на основе данных и выполнения повторяющихся или требующих больших вычислений задач.
Многие существующие технологии используют искусственный интеллект для улучшения пользовательского опыта. Мы видим его в смартфонах с искусственными помощниками, онлайн-платформах с рекомендательными системами и автомобилях с возможностью автономного вождения. ИИ также помогает защищать людей, внедряя системы обнаружения мошенничества и робототехнику для опасных работ, а также возглавляя исследования в области здравоохранения и климатических инициатив.
Преимущества ИИ
ИИ полезен для автоматизации повторяющихся задач, решения сложных проблем, уменьшения количества человеческих ошибок и многого другого.
Автоматизация повторяющихся задач
Повторяющиеся задачи, такие как ввод данных и работа на заводе, а также общение с клиентами, могут быть автоматизированы с помощью технологий ИИ. Это позволяет людям сосредоточиться на других приоритетах.
Решение сложных проблем
Способность ИИ обрабатывать большие объемы данных одновременно позволяет ему быстро находить закономерности и решать сложные задачи, которые могут быть слишком сложными для человека, например, прогнозировать финансовые перспективы или оптимизировать энергетические решения.
Улучшение клиентского опыта
ИИ может быть использован в персонализации пользователей, чат-ботах и автоматизированных технологиях самообслуживания, что делает работу с клиентами более удобной и повышает уровень их удержания.
Развитие здравоохранения и медицины
ИИ способствует развитию здравоохранения, ускоряя постановку медицинских диагнозов, открытие и разработку лекарств и внедрение медицинских роботов в больницах и медицинских центрах.
Сокращение человеческих ошибок
Способность быстро выявлять взаимосвязи в данных делает ИИ эффективным средством обнаружения ошибок и аномалий в массивах цифровой информации, что в целом снижает количество человеческих ошибок и обеспечивает точность.
Недостатки искусственного интеллекта
Хотя искусственный интеллект имеет свои преимущества, эта технология также связана с рисками и потенциальными опасностями, которые необходимо учитывать.
Вытеснение рабочих мест
Способность искусственного интеллекта автоматизировать процессы, быстро генерировать контент и работать в течение длительного времени может привести к вытеснению людей с рабочих мест.
Предвзятость и дискриминация
Модели ИИ могут обучаться на данных, отражающих предвзятые человеческие решения, что приведет к получению результатов, которые будут предвзятыми или дискриминационными по отношению к определенным демографическим группам.
Проблемы конфиденциальности
Данные, собранные и сохраненные системами искусственного интеллекта, могут быть получены без согласия или ведома пользователя, а в случае утечки информации к ним могут получить доступ даже посторонние лица.
Этические проблемы
Системы искусственного интеллекта могут разрабатываться непрозрачным, инклюзивным или устойчивым способом, что приведет к отсутствию объяснения потенциально вредных решений ИИ, а также к негативным последствиям для пользователей и предприятий.
Экологические издержки
Крупномасштабные системы ИИ могут требовать значительного количества энергии для работы и обработки данных, что увеличивает выбросы углекислого газа и потребление воды.
Приложения и примеры искусственного интеллекта
Искусственный интеллект находит применение во многих отраслях, помогая в конечном итоге оптимизировать процессы и повысить эффективность бизнеса.
Здравоохранение
ИИ используется в здравоохранении для повышения точности медицинских диагнозов, содействия исследованиям и разработке лекарств, управления конфиденциальными медицинскими данными и автоматизации работы с пациентами в режиме онлайн. Он также является движущим фактором медицинских роботов, которые помогают проводить вспомогательную терапию или направлять хирургов во время операций.
Розничная торговля
ИИ в розничной торговле повышает качество обслуживания покупателей, обеспечивая персонализацию пользователей, рекомендации по товарам, помощников по покупкам и распознавание лиц при оплате. Ритейлерам и поставщикам ИИ помогает автоматизировать розничный маркетинг, выявлять контрафактную продукцию на торговых площадках, управлять товарными запасами и использовать онлайн-данные для выявления товарных тенденций.
Производство
ИИ в производстве позволяет сократить количество ошибок при сборке и время производства, а также повысить безопасность работников. Заводские цеха могут контролироваться системами искусственного интеллекта, которые помогают выявлять инциденты, отслеживать контроль качества и прогнозировать возможные поломки оборудования. ИИ также управляет заводскими и складскими роботами, которые могут автоматизировать производственные процессы и выполнять опасные задачи.
Финансы
Финансовая отрасль использует ИИ для выявления мошенничества в банковской деятельности, оценки кредитоспособности, прогнозирования финансовых рисков для предприятий и управления торговлей акциями и облигациями на основе рыночных моделей. ИИ также внедряется в финтех и банковские приложения, работая над персонализацией банковских операций и обеспечивая круглосуточную поддержку клиентов.
Игры
Разработчики видеоигр применяют ИИ, чтобы сделать игровой процесс более захватывающим. Неигровые персонажи (NPC) в видеоиграх используют ИИ, чтобы реагировать на действия игрока и окружающую обстановку, создавая игровые сценарии, которые могут быть более реалистичными, приятными и уникальными для каждого игрока.
Военные
ИИ помогает военным как на поле боя, так и за его пределами, будь то ускоренная обработка данных военной разведки, обнаружение атак кибервойск или автоматизация военного оружия, систем обороны и транспортных средств. В частности, беспилотники и роботы могут быть оснащены искусственным интеллектом, что делает их применимыми для автономных боевых действий или поисково-спасательных операций.
Примеры искусственного интеллекта
Конкретные примеры искусственного интеллекта включают в себя:
Инструменты генеративного ИИ
Генеративные инструменты ИИ, иногда называемые чат-ботами, в том числе ChatGPT, Gemini, Claude и Grok, ЯндексGPT используют искусственный интеллект для создания письменного контента в различных форматах, от эссе до кода и ответов на простые вопросы.
Умные помощники
Персональные ИИ-помощники, такие как Алиса, Alexa и Siri, используют обработку естественного языка для получения инструкций от пользователей и выполнения различных «умных задач». Они могут выполнять такие команды, как установка напоминаний, поиск информации в Интернете или выключение света на кухне.
Самоуправляемые автомобили
Самоуправляемые автомобили — яркий пример глубокого обучения, поскольку они используют глубокие нейронные сети для обнаружения окружающих объектов, определения расстояния до других автомобилей, распознавания сигналов светофора и многого другого.
Носимые устройства
Многие носимые датчики и устройства, используемые в сфере здравоохранения, применяют глубокое обучение для оценки состояния здоровья пациентов, включая уровень сахара в крови, артериальное давление и частоту сердечных сокращений. Они также могут выводить закономерности из предыдущих медицинских данных пациента и использовать их для прогнозирования любых будущих состояний здоровья.
Визуальные фильтры
Фильтры, используемые в таких социальных сетях, как TikTok и Snapchat, основаны на алгоритмах, позволяющих отличать объект изображения от фона, отслеживать движения лица и корректировать изображение на экране в зависимости от того, что делает пользователь.
Восхождение генеративного ИИ
Генеративный ИИ описывает алгоритмы искусственного интеллекта, которые могут создавать новый контент — текст, изображения, видео или аудио — на основе заданного запроса пользователя. Для работы генеративной модели искусственного интеллекта используются массивные массивы данных, которые обучаются выявлять в них закономерности, а затем генерируют результаты, напоминающие эти обучающие данные. Для создания контента генеративный ИИ использует машинное обучение, нейронные сети и большие языковые модели на основе глубокого обучения.
Генеративный ИИ приобрел огромную популярность в последние несколько лет, особенно с появлением таких чат-ботов, как ChatGPT, Gemini и Claude, а также генераторов изображений, таких как Шедеврум, Kandinsky, DALL-E 2 и Midjourney. Подобные инструменты часто используются для создания письменных текстов, кода, цифрового искусства, дизайна объектов и многого другого. Они используются в таких отраслях, как развлечения, маркетинг, потребительские товары и производство.
Регулирование ИИ и будущее ИИ
По мере того как алгоритмы искусственного интеллекта становятся все более сложными и мощными, технологии ИИ — и компании, которые их создают, — все чаще привлекают внимание регулирующих органов по всему миру.
В 2021 году парламент Европейского союза предложил нормативную базу, которая должна обеспечить безопасность, прозрачность, отслеживаемость, недискриминационность и экологичность систем искусственного интеллекта, развернутых в Европейском союзе. Согласно этой концепции, системы ИИ, которые могут быть использованы для наблюдения в режиме реального времени, манипулирования людьми, категоризации населения или дискриминации уязвимых групп, будут запрещены к использованию на территории ЕС (хотя для правоохранительных органов могут быть сделаны некоторые ограниченные исключения).
В 2022 году Белый дом Байдена представил Билль о правах ИИ, в котором излагаются принципы ответственного использования ИИ. А в 2023 году администрация Байдена-Харриса представила Исполнительный указ о безопасном, надежном и заслуживающем доверия ИИ, который направлен на регулирование индустрии ИИ и сохранение статуса Соединенных Штатов как лидера в области инноваций в области искусственного интеллекта.
Согласно указу, компании, управляющие крупными системами искусственного интеллекта, должны проводить испытания на безопасность и сообщать о результатах федеральному правительству, прежде чем выкладывать свои продукты в открытый доступ. В нем также содержится призыв маркировать контент, созданный искусственным интеллектом, и активизировать усилия по поиску ответов на вопросы о влиянии искусственного интеллекта на права интеллектуальной собственности. Кроме того, указ предусматривает ряд мер по защите работников, в том числе от небезопасного внедрения ИИ и вредных нарушений в работе трудовых коллективов. В указе также содержится призыв к правительству США совместно с другими странами разработать глобальные стандарты для снижения рисков ИИ и обеспечения безопасности ИИ в целом.
Будущее Искусственного Интеллекта
В ближайшем будущем ИИ ожидает развитие возможностей машинного обучения и связанных с ним структур, таких как генеративные состязательные сети (GAN), которые могут способствовать дальнейшему развитию генеративного ИИ и автономных систем. Неизбежно, что ИИ будет продолжать оказывать влияние на различные отрасли, потенциально вызывая перемещение рабочих мест, но также открывая новые возможности для трудоустройства.
В перспективе одним из следующих важных шагов для искусственного интеллекта станет выход за рамки слабого или узкого ИИ и достижение искусственного общего интеллекта (ИО). Благодаря AGI машины смогут думать, учиться и действовать так же, как люди, стирая грань между органическим и машинным интеллектом. Это может проложить путь к повышению уровня автоматизации и возможностей решения проблем в медицине, транспорте и других областях, а также к созданию разумного ИИ.
Будущие достижения в области искусственного интеллекта вызывают опасения, связанные с потерей работы, широким распространением дезинформации, непредсказуемым поведением ИИ и возможными моральными дилеммами, связанными с достижением технологической сингулярности.
Пока что общество в основном надеется на федеральные и деловые нормы регулирования ИИ, которые помогут определить будущее этой технологии.
История Искусственного Интеллекта
Искусственный интеллект как концепция зародился в 1950-х годах, когда ученый-компьютерщик Алан Тьюринг выпустил работу «Вычислительная техника и интеллект», в которой задавался вопросом, могут ли машины думать и как можно проверить интеллект машины. Эта работа положила начало исследованиям и разработкам в области ИИ и стала первым предложением теста Тьюринга — метода, используемого для оценки машинного интеллекта.
Термин «искусственный интеллект» был введен в 1956 году ученым-компьютерщиком Джоном Маккарти на научной конференции в Дартмутском колледже.
После конференции Маккарти и на протяжении 1970-х годов интерес к исследованиям в области ИИ рос благодаря академическим институтам и финансированию правительства США. Инновации в области вычислительной техники позволили в это время создать несколько основ ИИ, включая машинное обучение, нейронные сети и обработку естественного языка. Несмотря на успехи, технологии ИИ в конечном итоге оказалось сложнее масштабировать, чем ожидалось, интерес и финансирование снизились, в результате чего первая зима ИИ пришлась на 1980-е годы.
В середине 1980-х годов интерес к ИИ возродился, поскольку компьютеры стали мощнее, глубокое обучение получило широкое распространение, и появились «экспертные системы» на базе ИИ. Однако из-за усложнения новых систем и неспособности существующих технологий идти в ногу со временем наступила вторая зима ИИ, продолжавшаяся до середины 1990-х годов.
К середине 2000-х годов инновации в области вычислительной мощности, больших данных и передовых методов глубокого обучения устранили прежние препятствия на пути ИИ, что позволило совершить дальнейший прорыв в области ИИ. Современные технологии ИИ, такие как виртуальные помощники, автомобили без водителя и генеративный ИИ, начали входить в мейнстрим в 2010-х годах, превратив ИИ в то, чем он является сегодня.
1940-е
- 1942 — Айзек Азимов публикует «Три закона робототехники» — идею, часто встречающуюся в научной фантастике, о том, как искусственный интеллект не должен приносить вред людям.
- 1943 — Уоррен Маккалоу и Уолтер Питтс публикуют работу «Логическое исчисление идей, заложенных в нервной деятельности», в которой предлагается первая математическая модель построения нейронной сети.
- 1949 — В своей книге «Организация поведения: Нейропсихологическая теория» Дональд Хебб выдвигает теорию о том, что нейронные пути создаются на основе опыта и что связи между нейронами становятся тем сильнее, чем чаще они используются. Хеббовское обучение остается важной моделью в ИИ.
1950-е
- 1950 — Алан Тьюринг публикует работу «Вычислительная техника и интеллект», в которой предлагает то, что сейчас известно как тест Тьюринга — метод определения того, является ли машина разумной.
- 1950 — Студенты Гарвардского университета Марвин Мински и Дин Эдмондс создают SNARC, первый нейросетевой компьютер.
- 1950 — Клод Шеннон публикует работу «Программирование компьютера для игры в шахматы».
- 1952 — Артур Сэмюэл разрабатывает самообучающуюся программу для игры в шашки.
- 1954 — Эксперимент по машинному переводу Джорджтаун-IBM автоматически переводит 60 тщательно отобранных русских предложений на английский язык.
- 1956 — Фраза «искусственный интеллект» была придумана на Дартмутском летнем исследовательском проекте по искусственному интеллекту. Конференция под руководством Джона Маккарти считается местом рождения искусственного интеллекта.
- 1956 — Аллен Ньюэлл и Герберт Саймон демонстрируют Logic Theorist (LT), первую программу рассуждений.
- 1958 — Джон Маккарти разрабатывает язык программирования ИИ Lisp и публикует статью «Программы со здравым смыслом», в которой предлагается гипотетический Advice Taker, полноценная система ИИ, способная учиться на опыте так же эффективно, как и люди.
- 1959 — Аллен Ньюэлл, Герберт Саймон и Джей Си Шоу разрабатывают General Problem Solver (GPS), программу, предназначенную для имитации решения проблем человеком.
- 1959 — Герберт Гелернтер разрабатывает программу Geometry Theorem Prover.
- 1959 — Артур Сэмюэл вводит термин «машинное обучение», работая в IBM.
- 1959 — Джон Маккарти и Марвин Мински основывают проект искусственного интеллекта Массачусетского технологического института.
1960-е
- 1963 — Джон Маккарти открывает лабораторию искусственного интеллекта в Стэнфорде.
- 1966 — В отчете Консультативного комитета по автоматической обработке языка (ALPAC), подготовленном правительством США, говорится об отсутствии прогресса в исследованиях машинного перевода — крупной инициативы времен холодной войны, обещавшей автоматический и мгновенный перевод на русский язык. Отчет ALPAC приводит к отмене всех финансируемых правительством проектов в области МТ.
- 1969 — Первые успешные экспертные системы, DENDRAL и MYCIN, созданы в Стэнфорде.
1970-е
- 1972 — Создан язык логического программирования PROLOG.
- 1973 — Британское правительство публикует доклад Лайтхилла, в котором подробно описываются разочарования в исследованиях ИИ, что приводит к серьезному сокращению финансирования проектов по ИИ.
- 1974-1980 — Разочарование в прогрессе развития ИИ приводит к серьезному сокращению академических грантов DARPA. В сочетании с предыдущим докладом ALPAC и докладом Лайтхилла, опубликованным в предыдущем году, финансирование ИИ иссякает, а исследования останавливаются. Этот период известен как «Первая зима ИИ».
1980-е
- 1980 — Digital Equipment Corporations разрабатывает R1 (также известную как XCON), первую успешную коммерческую экспертную систему. Разработанная для конфигурирования заказов на новые компьютерные системы, R1 положила начало инвестиционному буму в экспертные системы, который продлится большую часть десятилетия, фактически положив конец первой зиме ИИ.
- 1982 — Министерство международной торговли и промышленности Японии запускает амбициозный проект «Компьютерные системы пятого поколения». Целью FGCS является создание суперкомпьютеров и платформы для развития ИИ.
- 1983 г. — В ответ на японский проект FGCS правительство США запускает Стратегическую вычислительную инициативу, чтобы обеспечить финансируемые DARPA исследования в области передовых вычислений и ИИ.
- 1985 — Компании тратят более миллиарда долларов в год на экспертные системы, а для их поддержки создается целая индустрия, известная как рынок Lisp-машин. Такие компании, как Symbolics и Lisp Machines Inc., создают специализированные компьютеры для работы на языке программирования ИИ Lisp.
- 1987-1993 гг. — По мере совершенствования вычислительной техники появлялись более дешевые альтернативы, и в 1987 году рынок машин Lisp рухнул, начав «вторую зиму ИИ». В этот период экспертные системы оказались слишком дорогими в обслуживании и обновлении и в конце концов вышли из употребления.
1990-е
- 1991 — Во время войны в Персидском заливе американские войска развертывают DART, автоматизированный инструмент планирования и составления графиков логистики.
- 1992 — Япония прекращает проект FGCS в 1992 году, ссылаясь на то, что не смогла достичь амбициозных целей, намеченных десятилетием ранее.
- 1993 — DARPA прекращает стратегическую вычислительную инициативу в 1993 году, потратив около 1 миллиарда долларов и не оправдав ожиданий.
- 1997 — Компьютер Deep Blue компании IBM побеждает чемпиона мира по шахматам Гари Каспарова.
2000-е
- 2005 — STANLEY, самоуправляемый автомобиль, побеждает в конкурсе DARPA Grand Challenge.
- 2005 — Американские военные начинают инвестировать в автономных роботов, таких как «Big Dog» компании Boston Dynamics и «PackBot» компании iRobot.
- 2008 — Google совершает прорыв в области распознавания речи и внедряет эту функцию в свое приложение для iPhone.
2010-е
- 2011 — Компьютер Watson компании IBM одерживает победу над соперниками в игре Jeopardy!
- 2011 — Apple выпускает Siri, виртуального помощника на основе искусственного интеллекта, в своей операционной системе iOS.
- 2012 — Эндрю Нг, основатель проекта Google Brain Deep Learning, подает нейронной сети, использующей алгоритмы глубокого обучения, 10 миллионов видеороликов с YouTube в качестве обучающего набора. Нейронная сеть научилась распознавать кошку без подсказки, что это такое, что положило начало эпохе прорыва в области нейронных сетей и глубокого обучения.
- 2014 — Google выпускает первый самоуправляемый автомобиль, прошедший государственный тест на вождение.
- 2014 — Выпущено виртуальное домашнее умное устройство Alexa от Amazon.
- 2016 — AlphaGo компании Google DeepMind побеждает чемпиона мира по игре в го Ли Седоля. Сложность древней китайской игры рассматривалась как серьезное препятствие, которое необходимо преодолеть в области ИИ.
- 2016 — Первый «робот-гражданин», человекоподобный робот по имени София, создан компанией Hanson Robotics и способен распознавать лица, вербально общаться и выражать свои мысли.
- 2018 — Google выпускает движок обработки естественного языка BERT, снижающий барьеры при переводе и понимании в ML-приложениях.
- 2018 — Waymo запускает сервис Waymo One, позволяющий пользователям в столичном районе Финикса запрашивать трансфер у одного из самодвижущихся автомобилей компании.
2020-е
- 2020 — Компания Baidu предоставляет свой алгоритм ИИ LinearFold научным и медицинским группам, работающим над созданием вакцины на ранних стадиях пандемии SARS-CoV-2. Алгоритм способен предсказать последовательность РНК вируса всего за 27 секунд, что в 120 раз быстрее, чем другие методы.
- 2020 — OpenAI выпускает модель обработки естественного языка GPT-3, которая способна создавать текст по образцу того, как говорят и пишут люди.
- 2021 — Парламент Европейского союза предлагает нормативную базу, призванную обеспечить безопасность, прозрачность, отслеживаемость, недискриминационность и экологичность систем искусственного интеллекта, развернутых на территории ЕС.
- 2021 — OpenAI на основе GPT-3 разрабатывает DALL-E, способный создавать изображения на основе текстовых подсказок.
- 2022 — Национальный институт стандартов и технологий выпускает первый проект Концепции управления рисками в области искусственного интеллекта, добровольного руководства США «для более эффективного управления рисками для людей, организаций и общества, связанными с искусственным интеллектом».
- 2022 — DeepMind представляет Gato, систему искусственного интеллекта, обученную выполнять сотни задач, включая игру в Atari, создание подписей к изображениям и использование роботизированной руки для укладки блоков.
- 2022 — Белый дом представляет Билль о правах ИИ, в котором излагаются принципы ответственного развития и использования ИИ.
- 2022 — OpenAI запускает ChatGPT, чат-бота на основе большой языковой модели, который всего за несколько месяцев набирает более 100 миллионов пользователей.
- 2023 — Microsoft запускает версию поисковой системы Bing с поддержкой ИИ, построенную на той же технологии, что и ChatGPT.
- 2023 — Google анонсирует Bard, конкурирующий разговорный ИИ.
- 2023 — OpenAI запускает GPT-4, свою самую сложную языковую модель.
- 2023 — Администрация Байдена-Харриса издает указ о безопасном, надежном и заслуживающем доверия ИИ, призывающий к тестированию безопасности, маркировке контента, созданного ИИ, и активизации усилий по созданию международных стандартов для разработки и использования ИИ. В указе также подчеркивается важность обеспечения того, чтобы искусственный интеллект не использовался для обхода защиты частной жизни, усугубления дискриминации или нарушения гражданских прав или прав потребителей.
