Голосовые помощники — отрывок из книги «Воспитание машин: Новая история разума»

N+1Hi-Tech

«Воспитание машин: Новая история разума»

Альпина нон-фикшн

Машинный интеллект преобразил уклад человеческой жизни, ознаменовав переход к новой цифровой экономике. Транспорт, охрана правопорядка, медицина, развлечения — куда ни посмотри, нейросети повсюду находят себе применение и получают в свое распоряжение все большую власть. В книге «Воспитание машин: Новая история разума» (издательство «Альпина нон-фикшн») кандидат физико-математических наук и специалист в области машинного обучения и искусственного интеллекта Сергей Шумский рассказывает, почему исследования в области ИИ сегодня прогрессируют как никогда быстро, каковы могут быть социальные и экономические последствия этого процесса и почему «сильный искусственный интеллект» должен быть похож на человеческий. N + 1 предлагает своим читателям ознакомиться с отрывком, посвященным голосовым помощникам: что такое сенсорный интеллект, почему все больше компаний вкладывают деньги в разработку голосовых ассистентов и с какими сложностями сталкиваются их создатели.

Современные цифровые платформы: сенсорный интеллект

Голосовые помощники стали новацией 2010-х годов в качестве нового интерфейса пользователя в эпоху смартфонов. Они, как и безлюдные магазины Amazon Go, обязаны своим появлением новому поколению алгоритмов машинного обучения — так называемому глубокому обучению искусственных нейронных сетей. Технологический прорыв в машинном обучении в 2010-х, известный как революция глубокого обучения, связан с достижением компьютерами критической производительности 1011 FLOPS, сравнимой с человеческой, по доступным ценам.

Это, конечно, не означало автоматически появления искусственного интеллекта, как он когда-то задумывался его отцами-основателями. Для этого у человечества пока что банально не хватает соответствующих знаний, о чем мы еще поговорим в главе 5. Мощности сегодняшних суперкомпьютеров достигают 1016 FLOPS, однако это до сих пор не привело к появлению сильного ИИ. Но кое-какие разработки 1980-х и 1990-х годов, для которых в свое время просто не хватало вычислительных мощностей, чтобы выйти на уровень отдельных когнитивных способностей, сравнимый с человеческим, «выстрелили» именно в этот момент. Речь идет об обучении некоторых типов искусственных нейронных сетей, разработанных для работы с изображениями (сверточные нейронные сети) и временными сигналами (сети с долговременной памятью).

Оказалось, что просто за счет увеличения количества слоев в таких (глубоких) нейросетях и увеличения объема данных для их обучения, для чего теперь имелись вычислительные мощности, качество распознавания картинок и звука может достигать человеческого уровня. В итоге на протяжении 2010-х годов, благодаря технологиям глубокого обучения, машины, говоря простым языком, научились видеть и слышать не хуже человека.

Соответственно появилась масса новых возможностей для замены человека машинами — там, где люди работали «умными сенсорами»: контролерами, охранниками, операторами колл-центров, и в других профессиях с относительно простой бизнес-логикой. Отсюда — появляющиеся сегодня проходные без охранников, магазины без продавцов, такси без водителей, безлюдные колл-центры и голосовые помощники в смартфонах и умных колонках.

И это еще только начало. Потенциальный рынок приложений слабого ИИ, наделенного сверхчеловеческими сенсорными возможностями по доступным ценам, чрезвычайно большой. Он касается самых массовых профессий — продавцов, кассиров, водителей и т. д., поэтому обещает большой экономический эффект. Оказывается, люди, по крайней мере многие из них, не так уж и незаменимы.

Отложив обсуждение этой важнейшей проблемы до следующей главы, зададимся пока одним чисто практическим вопросом о драйверах развития ИИ. Есть ли экономическая целесообразность в дальнейшем совершенствовании технологий машинного обучения или бизнес может ограничиться достигнутыми успехами, сосредоточив усилия на бизнес-инновациях, то есть на освоении уже открывшихся благодаря слабому ИИ рынков? От ответа на этот вопрос зависит, в частности, объем вложений в разработку сильного ИИ и соответственно время появления последнего.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

На египетской картине нашли библейский синий На египетской картине нашли библейский синий

Из чего древние египтяне делали редкую краску — библейский синий

N+1
«Кошмар на улице Вязов»: режиссер вдохновился реальным медицинским случаем «Кошмар на улице Вязов»: режиссер вдохновился реальным медицинским случаем

История о Фредди Крюгере вдохновлена реальным медицинским случаем

Cosmopolitan
Работа с умом: каков потенциал генеративного ИИ для роста производительности в России Работа с умом: каков потенциал генеративного ИИ для роста производительности в России

Ученые проанализировали влияние генеративного ИИ на задачи и профессии

Forbes
Ольга Журавлева: История пряхи, хобби которой стало философией жизни Ольга Журавлева: История пряхи, хобби которой стало философией жизни

Ольга Журавлева живёт во Владимире и возрождает старинное ремесло — прядение

Домашний Очаг
Как повысить самооценку и обрести уверенность? 11 советов психолога Как повысить самооценку и обрести уверенность? 11 советов психолога

Заниженная самооценка мешает нам строить здоровые отношения и карьеру

Psychologies
Инфографика: сколько в мире сайтов Инфографика: сколько в мире сайтов

За 30 лет существования интернета количество сайтов приблизилось к 2 миллиардам

Вокруг света
Это не рак: 5 причин, почему могут появиться уплотнения в груди Это не рак: 5 причин, почему могут появиться уплотнения в груди

Причины уплотнения в груди

Cosmopolitan
«Делами, не словами»: как Эммелин Панкхерст добилась избирательного права для женщин «Делами, не словами»: как Эммелин Панкхерст добилась избирательного права для женщин

Суфражистки под руководством Панкхерст они добились для женщин права голосовать

Forbes
Пост в фейсбуке помог спасти редкого полосатого зайчонка Пост в фейсбуке помог спасти редкого полосатого зайчонка

Редкого зайчонка изъяли у пытавшегося продать его фермера и выпустили на волю

N+1
6 типов нарциссов: расставляем «диагнозы» героям популярных фильмов 6 типов нарциссов: расставляем «диагнозы» героям популярных фильмов

Попробуем разобраться с видами нарциссизма, изучив героев известных фильмов

Psychologies
Быстрее, выше, хитрее Быстрее, выше, хитрее

В чем еще, помимо силы и ловкости, соревнуются участники Олимпиад

Forbes
Всем оставаться на своих местах! Всем оставаться на своих местах!

Как хранить и готовить продукты, чтобы избежать потерь ценных витаминов

Лиза
Когда женщина была свободной: яркие страницы афганского журнала «Жизнь» Когда женщина была свободной: яркие страницы афганского журнала «Жизнь»

Вспоминаем, как афганцы пытались стать свободными

Cosmopolitan
Новый взгляд на Врубеля: директор Третьяковской галереи Зельфира Трегулова о главных выставках сезона Новый взгляд на Врубеля: директор Третьяковской галереи Зельфира Трегулова о главных выставках сезона

Интервью с директором Третьяковки Зельфирой Трегуловой

Forbes
Победа над собой Победа над собой

Изображая на холсте героев праздничной битвы, Василий Суриков победил депрессию

Вокруг света
Кредитный рейтинг: почему банки отказывают в кредитах и как этого избежать Кредитный рейтинг: почему банки отказывают в кредитах и как этого избежать

Как рассчитывается кредитный рейтинг и что позволит его повысить

СНОБ
Генетики обнаружили неизвестную ранее популяцию древних людей на Сулавеси Генетики обнаружили неизвестную ранее популяцию древних людей на Сулавеси

Ученым впервые удалось секвенировать ДНК древностью более 7 тысяч лет

N+1
Сплошное надувательство Сплошное надувательство

Лучший шеф-повар России Владимир Мухин выводит чебуреки в свет

Tatler
Сколько нужно краски, чтобы покрасить Эйфелеву башню Сколько нужно краски, чтобы покрасить Эйфелеву башню

Эйфелеву башню покрасят в золотистый цвет. Сколько краски для этого понадобится?

Популярная механика
«Сварщица Екатерина»: В кофе больше вкуса, чем в вине «Сварщица Екатерина»: В кофе больше вкуса, чем в вине

Зачем кофе выдерживают в пивных бочках и почему домашние кофемашины бесполезны

4x4 Club
Пятиэтажки против небоскребов: откуда дует ветер Пятиэтажки против небоскребов: откуда дует ветер

Люди строили города, чтобы защититься от безжалостной природы

Вокруг света
На редкого любителя: 7 отвратительных деликатесов из слюны, крови и фекалий На редкого любителя: 7 отвратительных деликатесов из слюны, крови и фекалий

Трапезы, состоящие из отходов жизнедеятельности или биологических жидкостей

Вокруг света
Битва экосистем: чему стоит поучиться «Сберу», «Яндексу» и Mail.ru у китайских IT-гигантов Битва экосистем: чему стоит поучиться «Сберу», «Яндексу» и Mail.ru у китайских IT-гигантов

Какие вопросы вызывают попытки российских IT-гигантов повторить успех Китая?

Forbes
Первые ласточки. Новые пикапы Great Wall Первые ласточки. Новые пикапы Great Wall

Great Wall Motor (GWM) вернулся на отечественный рынок с двумя пикапами сразу

4x4 Club
Паранджа и подпольные школы: что ждет женщин при «Талибане» Паранджа и подпольные школы: что ждет женщин при «Талибане»

Женщины Афганистана скоро окажутся в аду

Cosmopolitan
Гороскоп совместимости: 6 способов определить, подходите ли вы друг другу Гороскоп совместимости: 6 способов определить, подходите ли вы друг другу

Астрология - один из способов выяснить, действительно ли он - тот самый

Cosmopolitan
«Гонка за успехом убивает»: как перестать достигать... и начать жить «Гонка за успехом убивает»: как перестать достигать... и начать жить

Как мы все стали достигаторами и почему культ успеха нам вредит

Psychologies
Презренный металл: 11 фактов о золотой лихорадке Презренный металл: 11 фактов о золотой лихорадке

Золотая лихорадка вошла в историю и даже стала поводом для праздника

Вокруг света
История одной фотографии: один, который не зиговал История одной фотографии: один, который не зиговал

Один в толпе воин! Он сражался за любовь

Maxim
Ископаемые погадки с костями млекопитающих приписали небольшому хищному динозавру Ископаемые погадки с костями млекопитающих приписали небольшому хищному динозавру

Палеонтологи изучили скопления ископаемых костей мелких млекопитающих

N+1
Открыть в приложении