Наличие личного автомобиля, полагает Возняк, со временем потеряет значение. Если в любой момент можно заказать такси, тем более самоуправляющееся, то необходимости держать свою машину нет. Разумеется, рассуждает Возняк, некоторые все равно захотят иметь автомобили, даже если ими не приходится пользоваться. То же самое произошло с музыкальными записями. Их покупали на пластинках и компакт-дисках, а теперь они хранятся в облаке. Но самому Возняку, по его словам, трудно отвыкнуть от дисков. Он по-прежнему покупает и коллекционирует их.

Впрочем, отметил Возняк, самоуправляющиеся автомобили, похоже, появятся на дорогах позже, чем он считал. Раньше Возняк полагал, что к 2020 году все производители перейдут на самоуправляющиеся модели, но, как оказалось, компьютеры пока не могут (и еще долгое время не смогут) увидеть на дороге все, что видит человек. Тем не менее, уже разработанные в этой сфере системы значительно снизят число аварий, происходящих из-за ошибок водителей.

Преобладающие компьютерные технологии сменяют одна другую: в 90-х доминировали клиент-серверные вычисления и ПК с Windows, 2000-е стали эпохой WWW, затем появились смартфоны. Что станет определяющей технологией следующей эпохи? По мнению Марка Цукерберга, это виртуальная реальность. А Сундар Пичаи, генеральный директор Google, уверен, что после мобильных технологий настанет эра искусственного интеллекта.

Об этом он сообщил на недавнем совещании по квартальным результатам финансовой деятельности Alphabet, родительской компании Google. Пичаи не предрекает закат мобильным технологиям — он лишь считает, что технические прорывы завтрашнего дня будут совершаться благодаря умному использованию данных, а не мобильных устройств, в нынешнюю эпоху породивших Uber и Instagram.

Искусственный интеллект уже применяется для сортировки фотографий, борьбы со спамом и управления автомобилями-роботами. Свежая тенденция — способные понимать человека боты-автоответчики, с помощью которых можно заказать доставку цветов или забронировать номер в гостинице.

Что касается финансовых результатов Alphabet, выручка увеличилась на 17% до 20,3 млрд долл., но доход на акцию оказался ниже ожидаемого аналитиками. Выручка Google за «клик» по рекламному объявлению уменьшилась на 9%.

В лаборатории искусственного интеллекта Массачусетского технологического института разработали новый алгоритм, позволяющий группе роботов передвигаться вместе, избегая столкновений как друг с другом, так и с подвижными и неподвижными посторонними объектами.

Алгоритмы построения маршрутов для групп роботов делятся на два типа: централизованные, в которых решения за всю группу принимает один компьютер, и децентрализованные, в которых каждый робот принимает решения сам. Второй вариант позволяет лучше учитывать местные условия, но гораздо сложнее, так как роботам приходится прогнозировать поведение друг друга. В новом алгоритме роботы по своим наблюдениям строят карту ближайших окрестностей, а затем передают ее соседям, которые, в свою очередь, рассчитывают зону пересечений своих и соседских карт и делятся информацией со своими соседями. Кроме того, карты содержат и четвертое измерение — время — и позволяют учитывать движение объектов на интервалах порядка нескольких секунд.

В экспериментах с группами мини-вертолетов новый алгоритм строил такие же маршруты, как и централизованный алгоритм, но мог при этом вносить небольшие изменения в соответствии с меняющимися условиями.

Появление в 1993 году игры Doom считается одним из самых важных событий в истории индустрии компьютерных игр. Именно она заложила основы жанра шутеров от первого лица. Теперь же она станет ареной битвы для специалистов в области искусственного интеллекта. Турнир между созданными ими алгоритмами состоится в сентябре этого года на конференции IEEE Computational Intelligence and Games.

Боты в компьютерных играх, как правило, обладают доступом к внутренним структурам данных игры — картам, положениям предметов и персонажей и так далее — но боты, участвующим в турнире, увидят только ту же самую картину, которую видел бы на экране человек. Разработка ботов будет идти на платформе ViZDoom, созданной на основе игры Doom и предназначенной для исследований в области машинного обучения. Впрочем, авторам разрешено использовать любые методы.

Каждый бот будет запущен на отдельном компьютере с одним процессором и видеокартой. На сражение на одной карте отводится 10 минут. Турнир проводится в двух категориях: в ограниченном режиме на заранее известной карте и только с ракетометами и в полном — на трех неизвестных картах.

Результаты турнира и все алгоритмы будут опубликованы в конце сентября.

Перспективы потери работы из-за повсеместного внедрения методов искусственного интеллекта выглядят все более пугающими, и вот теперь у художников появился очередной повод для беспокойства.

Новое произведение Rembrandt, выставленное в Амстердаме, не является непосредственным плодом труда голландского живописца Рембрандта ван Рейна, но вобрало в себя самые современные технологии распознавания лиц, искусственного интеллекта и трехмерной печати.

Использовавшийся здесь алгоритм глубинного обучения проанализировал 346 известных произведений Рембрандта и воспроизвел стиль и манеру художника в новой картине. Изображенный на ней мужчина европейской внешности выглядит совсем, как живой.

Проект The Next Rembrandt стал результатом сотрудничества сразу нескольких организаций, в том числе голландского банка ING и корпорации Microsoft. Интересно, каким образом алгоритм выбрал тему картины, которая должна была представлять собой совершенно новое произведение.

В результате анализа собственных произведений мастера программа пришла к выводу, что на картине будет изображен мужчина европейского типа с растительностью на лице в возрасте от 30 до 40 лет, одетый в темный костюм с накладным воротником. Голова его должна быть повернута чуть влево.

Далее алгоритм приступил к анализу конкретных черт, воссоздавая «типичные для Рембрандта» глаза, нос, рот и уши. Программа тщательно воспроизвела все пропорции и расстояния между отдельными элементами лица.

После того как замысел был определен, осталось воплотить его на холсте, и тут в дело вступила трехмерная печать. В проекте использовался 3D-принтер со специальными ультрафиолетовыми чернилами, который повторял все характерные для Рембрандта мазки и слои. После нанесения 13 слоев чернил портрет включал в себя 148 миллионов пикселов, охватывающих 168 263 фрагмента из шедевров Рембрандта.

Реализация проекта, инициированного голландской рекламной компанией J. Walter Thompson, заняла 18 месяцев. Полученный в результате портрет будет демонстрироваться на открытых экспозициях, но на каких именно, пока не объявлено.

Профессор университета Карнеги-Меллон Алан Блэк, чьи разработки используются в голосовых помощниках Siri и Cortana, подчеркивает, что междометия вроде «гм» и «угу», а также прочие слова, используемые для заполнения пауз, играют важную роль в повышении естественности общения между искусственным интеллектом и человеком.

По его словам, чтобы ответы машина звучала «человечнее», ей нужно делать паузы, смеяться, а также быть способной понять собеседника с полуслова и закончить за него предложение — все это помогает наладить взаимопонимание и установить доверительные отношения между собеседниками.

Но сейчас «угу», произнесенное синтезатором речи, сразу выдаст в нем машину, продолжает Блэк, поскольку обычно машина строит фразы из «прочитанных людьми в тесном кабинете», из-за чего «система звучит, как будто ей скучно».

Блэк в своей работе экспериментирует с репликами, записанными в процессе диалога, — чтобы повысить субъективно воспринимаемую степень заинтересованности собеседника. Кроме того, даже однотипные ответы должны варьироваться, подчеркивает ученый, иначе человек почувствует фальшь.

А еще со временем искусственный интеллект будет знать точку зрения собеседника на различные вопросы, чтобы поддерживать диалог без вероятности случайно оскорбить.

Корпорация IBM объявила о намерении создать интеллектуальные компьютеры, которые смогут принимать решения так же, как человек. В конце марта она начала поставки модели NS16e – самого крупного на сегодняшний день компьютера, моделирующего работу мозга, – и продолжает вынашивать далеко идущие планы.

В ближайшем будущем предполагается создание укрупненных версий NS16e, которые по своим масштабам приблизятся к человеческому мозгу. О своем намерении закупить эти вычислительные системы заявили в минэнерго США для использования в Национальной лаборатории им. Лоуренса в Ливерморе.

«Возможно, однажды мы увидим в одной стойке нейросинаптическую систему, содержащую в себе столько же нейронов и синапсов, сколько содержится в человеческом мозге», – написал в своем блоге исследователь из IBM Джун Савада.

Человеческий мозг можно рассматривать в качестве биологического компьютера, обладающего крайне высокой эффективностью энергопотребления. Усилия по созданию систем, имитирующих мозг, направлены в первую очередь на обеспечение обработки больших объемов данных с гораздо более высокой по сравнению с существующими компьютерами эффективностью энергопотребления. В IBM полагают, что NS16e сможет обрабатывать огромное количество данных, потребляя при этом столько же энергии, сколько потребляет планшет.

NS16e базируется на процессорной архитектуре TrueNorth, позволяющей сохранять информацию и принимать решения на основе шаблонов, выявляемых в процессе ассоциаций и оценки вероятностей. Используя обучающие модели и алгоритмы, компьютер ассоциирует текущие и собранные ранее данные с шаблонами в соответствии с принятыми системами классификации.

Это позволяет получить те же результаты, что и при выполнении алгоритмов машинного обучения на компьютерах, занимающихся распознаванием образов. Аналогичные модели используются, например, при определении объектов на фотографиях и идентификации беспилотными автомобилями пешеходов и дорожных знаков.

Отличие системы IBM заключается в том, что в ней применяются схемы, моделирующие работу нейронов и синапсов человеческого мозга. В целях повышения эффективности энергопотребления в процессе обработки данных корпорация вносит необходимые изменения в конструкцию памяти, вычислительных и телекоммуникационных компонентов.

«Определенная часть коры головного мозга отвечает за распознавание визуальных образов, другие части выполняют моторные функции, – указал Савада. – NS16e действует аналогичным образом. Каждый чип отвечает за функционирования своей части крупной нейронной сети».

Как можно предположить из названия, NS16e содержит 16 чипов TrueNorth, объединенных в сеть и представляющих собой эквивалент примерно 16 млн нейронов и 4 млрд синапсов. По своим масштабам он значительно уступает человеческому мозгу, в котором присутствует около 100 млрд нейронов, связанных друг с другом триллионами соединений (синапсов).

Корпорации IBM предстоит пройти еще очень долгий путь, прежде чем она сумеет приблизиться к масштабам человеческого мозга, однако определенный прогресс заметен уже сегодня. Проект стартовал в 2004 году, а к 2009 году IBM уже смоделировала мозг кошки. В 2011 году был создан прототип, который объединял 256 цифровых нейронов и позволял демонстрировать возможности навигации и распознавания образов.

Сегодня цель состоит в том, чтобы увеличить масштабы компьютера NS16e за счет размещения большего числа чипов на укрупненных материнских платах. Смонтировав на плате больше процессоров TrueNorth, исследователи получат больше аппаратных ресурсов и смогут решать более сложные задачи в процессе программирования. В существующих системах для выполнения соответствующих операций используются обычные компоненты: процессоры архитектур x86 и ARM, программируемые логические матрицы (FPGA) и графические процессоры.

В ходе проектирования чипов IBM разрабатывает и программное обеспечение для них. Создание алгоритмов и моделей обучения, а также выстраивание этих моделей в соответствии с функциями мозга требует дополнительных усилий.

«Система продолжает развиваться, – отметил Савада. – Мы непрерывно создаем и тестируем новые алгоритмы обучения, новые методики формирования моделей и новые алгоритмы оптимизации».

Для моделирования работы мозга предпринимаются очень серьезные усилия. Некоторые функции распознавания изображений, реализованные в проекте Qualcomm Zeroth, уже нашли отражение в новейшем мобильном процессоре Snapdragon 820. Заслуживает упоминания и проект Neurogrid Стэнфордского университета. В рамках программ Европейского Союза Human Brain Project и Neuromorphic Computing Platform финансируются исследования университета Гейдельберга в Германии и проект Spinnaker Манчестерского университета.

О планах начать проводить в рамках Formula E состязания автомобилей-роботов — Roborace — было объявлено в прошлом году, а начнется первый чемпионат в нынешнем. В нем примут участие десять команд, по две машины у каждой.

У всех команд будут внешне одинаковые автомобили; различаться будет искусственный интеллект, управляющий ими. Максимальная скорость для беспилотных автомобилей — 300 км/ч.

Внешний вид автомобиля разработал Дэниел Саймон, главный дизайнер Roborace, известный по работе над фильмами «Трон: наследие» и «Обливион». По его словам, необычная конструкция автомобиля позволяет создать прижимную силу без использования лишних элементов.

Гонки робомобилей будут проходить в течение часа на тех же трассах, которые затем будут использоваться для соревнований на пилотируемых электромобилях.

Приостановить эксперимент пришлось меньше чем через сутки после начала. Как объясняют в Microsoft, «пользователи Интернета превратили чатбота Tay в инструмент злоупотреблений».

Когда робот появился в сети, быстро выяснилось, что он реагирует на команду «повторяй за мной» и в ответ воспроизводит любое сообщение, которое получил. Многочисленные тролли тут же начали командовать Tay сыпать руганью и расистскими оскорблениями, чему тот подчинялся, иногда тоже прибавляя в конце «Повторяйте за мной». Пикантности ситуации прибавляло то, что судя по аватару, Tay — молодая девушка.

Но бот оказался не просто «попугаем»: например, когда у него спросили, за кого лучше голосовать на президентских выборах, Tay ответила, что обожает Дональда Трампа и, как она «слышала от многих людей», он будет лучшим президентом в истории.

Сотрудники Microsoft вынуждены были удалить самые оскорбительные твиты Tay, а с веб-страницы, посвященной роботу, исчезли инструкции о том, как с ним можно общаться.

В процессе игры против Ли Седоля, одного из лучших в мире мастеров го, система искусственного интеллекта Google AlphaGo озадачила комментаторов ходами, которые те называли «красивыми», но отмечали, что они не свойственны стилю игры человека.

Эксперты в области искусственного интеллекта считают, что такие ходы стали проявлением главного преимущества AlphaGo — способности учиться на собственном опыте. Подобные ходы нельзя было сгенерировать лишь исходя из накопленных знаний о том, как играют люди, отмечает Доина Прекап, доцент Университета Макгилла.

«AlphaGo не просто мыслит, но и имеет способности к обучению и стратегическому планированию», — соглашается Говард Ю, профессор стратегического управления и инновации бизнес-школы Международного института управленческого развития.

AlphaGo выиграла у Ли Седоля подряд три первых игры, чем заработала себе победу в турнире и призовые миллион долларов, которые в Google собираются пожертвовать на благотворительность. Но четвертую партию система проиграла, допустив ошибку, после чего Ли Седоль отметил, что у AlphaGo есть определенные слабые места.

Работа над программой началась около двух лет тому назад в рамках исследовательского проекта, целью которого было проверить, сможет ли нейронная сеть, работающая по принципу глубинного обучения, освоить игру го, сообщил Дэвид Сильвер, один из ведущих научных сотрудников проекта AlphaGo. Google в 2014 году приобрела DeepMind, британскую компанию, занимающуюся системами искусственного интеллекта.

Четвертую партию система проиграла, допустив ошибку, позволившую Ли Седолю утверждать, что у AlphaGo есть слабые места

Во время игры система руководствуется вероятными ходами людей, генерируемыми «сетью правил» — моделью действий реальных мастеров го в различных ситуациях. Но когда включается «оценочная» нейронная сеть системы, используемая для более глубокого анализа ситуаций, программа может сделать оригинальный ход.

По правилам го, игроки ходят по очереди белыми и черными фишками, которые называются «камнями», ставя их на пересечения линий на доске 19х19 и стараясь захватить как можно большую территорию путем окружения камней противника.

В отличие от людей, AlphaGo старается максимизировать вероятность общей победы, а не захватить наибольшую территорию, чем и объясняются некоторые из ходов системы, сообщил генеральный директор DeepMind Демис Хассабис.

По словам Прекап, специалисты ожидали, что пройдет еще много лет, прежде чем системы искусственного интеллекта смогут победить человека в го, игре, которая считается более сложной, чем другие стратегические игры наподобие шахмат, из-за гораздо большего количества вариантов ветвления и среднего числа возможных действий в расчете на ход.

«Уровень развития систем искусственного интеллекта принято оценивать с помощью сложных игр и задач. В данном случае такой задачей стало освоение го, — рассказал Бабак Ходжат, сооснователь, главный научный сотрудник компании Sentient Technologies. — AlphaGo удалось значительно поднять планку уровня сложности задач, которые теперь подвластны системам машинного обучения».

Го требует принятия высокоуровневых стратегических решений, отметила Прекап. На доске несколько боев за разные участки могут вестись параллельно, и нужно выбирать, какой из боев продолжить при очередном ходе, и какую область защищать. «Считалось, что на планирование такого рода способен лишь ум человека», — добавила она. Программы для игры в го раньше уже разрабатывались, но их возможности были очень слабыми по сравнению с людьми .

AlphaGo идет по стопам шахматного компьютера Deep Blue, одержавшего победу над Гарри Каспаровым в 1997 году. Еще один компьютер IBM, Watson, в 2011-м выиграл у людей в телевикторине Jeopardy.

Программа DeepMind сильно отличается от Deep Blue, которая полагалась прежде всего на поиск среди огромного количества позиций, но при этом имела и эвристические механизмы, имитировавшие мышление гроссмейстеров. AlphaGo тоже оснащена мощным поисковым компонентом, но обучается игре самостоятельно, а не просто копирует действия людей.

Весь объем инженерной мысли, вложенный в разработку Deep Blue, служил единственной цели — победить в шахматы, отметил Ю.

В Google собираются попробовать силы своего искусственного интеллекта и в других областях помимо игр, в том числе в здравоохранении и в научных исследованиях. «Глубинное обучение хорошо подходит для любой задачи, связанной с классификацией временных рядов», — говорит Ходжат. В его компании сходную технологию используют в системе Sentient Aware для сайтов электронной коммерции, которая помогает покупателям находить новые товары, отображая те, что внешне похожи на уже просмотренные.

AlphaGo основана на алгоритмах общего назначения, применяемых во многих ситуациях, подчеркивает Прекап. Программа полагается на две методики обучения — обучение с подкреплением и глубокие сети. Обе используются во многих системах, от роботизированных протезов до средств распознавания речи. «Возможно, такие алгоритмы и оптимизируются для конкретных применений, но они рассчитаны не на какую-то одну область задач», — добавила она.

Алгоритм общего назначения, способный к самообучению и имитации обучения с подкреплением, как у людей, открывает «новые возможности, на которые человеческий ум не способен», полагает Ю.

AlphaGo, однако, не способна понимать естественный язык людей, в отличие от системы IBM, которая с этим справляется блистательно, продолжил он. «Обрабатывая миллионы страниц медицинских журналов и информации о пациентах, Watson выдает врачам рекомендации по диагностике и лечению; например, он может посоветовать сделать дополнительный анализ крови или напомнить самые свежие данные по клиническим испытаниям, — говорит Ю. — Если когда-нибудь механизмы самообучения AlphaGo объединят с системой понимания человеческого языка Watson, создав алгоритм общего назначения, превосходству человека над машиной, скорее всего, придет конец».

Беспокойство по поводу утраты преимущества человека перед машиной было фоном состязания между Ли Седолем и AlphaGo. Многие в онлайн-комментариях к игре писали, что южнокорейскому профессионалу выпало «вести грандиозный бой с компьютером от имени всего человечества».

Но эксперты считают, что победа в го — игре на двоих с четко заданными правилами — не означает, что пришло время, когда машины возобладают над людьми. «Сегодня искусственный интеллект неплохо справляется со многими когнитивными задачами, которые раньше были под силу только людям, — указал Ходжат. — Но прежде чем он достигнет человеческой мощи абстрактного мышления, пройдут еще годы».

«У нас еще нет машин с искусственным интеллектом общего назначения, который был бы способен решать многие разные задачи, скажем, играть в го, понимать текст, музицировать на скрипке и т. д., — добавила Прекап. — Это следующий рубеж, но мы еще очень далеко от него».

В Microsoft Research недавно сообщили о работе над проектами в области общего интеллекта. Как отметили в корпорации, исследователи, занимающиеся искусственным интеллектом, создали, к примеру, средства распознавания слов, но пока не научились комбинировать навыки с такой же легкостью, как это удается людям.