На платформе Amazon Web Services анонсирован запуск облачного сервиса, который поможет клиентам извлекать полезную информацию из имеющихся у них данных.

Проблема Больших Данных заключается в том, что зачастую они остаются невостребованными из-за чрезмерной сложности извлечения из них важной информации и слишком больших затрат времени и энергии на ее поиск.

Компания Amazon, следуя по стопам Microsoft, своего конкурента в облачном бизнесе, хочет, чтобы новый облачный сервис помог преодолеть сложности. (В Microsoft добавила в феврале сервис машинного обучения в свою облачную платформу Azure.)

«У нас накоплено богатое наследство в области машинного обучения, – отметил старший менеджер направления Amazon Machine Learning Джефф Билджер. – Благодаря ему клиенты получают на Amazon.com рекомендации по выбору продуктов, Amazon Echo реагирует на их голос, а процесс разгрузки полного грузовика и подготовки партии товаров к продаже занимает всего полчаса».

Машинное обучение, относящееся к области искусственного интеллекта, включает в себя алгоритмы, предусматривающие проведение обучения на основе имеющихся данных.

Как правило, термин «машинное обучение» употребляется по отношению к роботам, которых учат перемещаться по зданию и использовать разнообразные инструменты. Компании и медицинские научно-исследовательские институты все чаще обращаются к Большим Данным в поисках закономерностей и взаимосвязей, которые своими силами человеку обнаружить весьма затруднительно или вообще невозможно.

В марте исследователи из Университета Карнеги-Меллона и Питтсбургского университета сообщили об использовании машинного обучения для анализа информации о выписанных рецептах, профилей геномов, страховых операций, диагностических снимков и прочих медицинских записей с целью выработки планов лечения людей, которые не только страдают однотипными заболеваниями, но и имеют другие схожие черты: семейную историю, стиль жизни, возрастную группу и т. д.

Известно, что одно и то же лекарство от рака некоторым пациентам помогает лучше, чем другим. Сочетание методов Больших Данных и искусственного интеллекта, позволяющего отсеивать ненужное, помогает ученым разрабатывать новые лекарства.

Сегодня с помощью анализа Больших Данных, говорит Билджер, можно предоставить компаниям информацию о том, кроссовки какого цвета лучше продаются в Новой Англии, какие бизнес-процессы наиболее эффективны и социальные программы какого рода способствуют появлению наиболее лояльных клиентов.

«Amazon Machine Learning – результат всего, чему мы научились, предоставив тысячам разработчиков возможность быстро выстраивать модели, проводить эксперименты и создавать приложения, делать выдающие прогнозы в масштабах всей планеты, – подчеркнул Билджер. – Мы давно поняли, что потенциал машинного обучения можно раскрыть лишь в том случае, если с помощью средств Amazon сделать его доступным каждому».

Идея заключается в том, чтобы благодаря новому сервису AWS разработчики могли использовать машинное обучение в своих приложениях, которые будут запускаться в облаке Amazon.

Чтобы упростить пользователям обработку данных, которые уже хранятся в облаке AWS, новый сервис был интегрирован с Amazon Simple Storage Service (Amazon S3), Amazon Redshift и Amazon Relational Database Service (Amazon RDS).

«Перед нами открываются потрясающие возможности, и, обращаясь к анализу, Amazon хорошо понимает это, – отметил аналитик The Gabriel Consulting Group Дэн Олдс. – Чтобы заставить свои бизнес-модели работать, компания делает ставку на аналитику. На основе проведенного анализа выдаются прогнозы совершения людьми последующих покупок, а пользователям предоставляется информация о том, что еще можно купить. Людям, принимающим в Amazon решения, средства базового анализа позволяют понять, как лучше организовать работу магазина компании».

Возможности такого рода могли бы помочь многим предприятиям эффективнее использовать имеющиеся у них данные. «Сочетание средств машинного обучения с Большими Данными откроет перед организациями перспективы, которые ранее зачастую даже не рассматривались», – подчеркнул Олдс.

Аналитик компании Moor Insights & Strategy Патрик Мурхед указал, что крупные предприятия могли бы выстраивать свои системы машинного обучения с использованием облачных сервисов, позволяющих сэкономить немало финансовых средств, времени и усилий, которые в противном случае пришлось бы потратить на разработку собственных инструментов искусственного интеллекта.

«Объединив облачные ресурсы, Большие Данные и технологии машинного обучения, вы получите масштабируемую аналитическую среду, помогающую находить ответы на самые разные вопросы, – пояснил Мурхед. – С этим сервисом вам не придется закупать оборудование, изыскивать место для его установки и заниматься развертыванием аппаратно-программных комплексов. Не нужно быть и экспертом по программному обеспечению для ЦОД. Достаточно выбрать нужные алгоритмы для проведения оценок и найти способ размещения данных в AWS. А это проделать гораздо проще».

Существует целый ряд исследований, носящих как сугубо теоретический, так и практический характер, а определенные достижения в этой области позволяют самым авторитетным экспертам утверждать, что наука готова сделать прорыв в этой области и уже давно пора задуматься об опасностях, которыми грозит нам создание искусственного разума, равного или превосходящего человеческий.

Между тем в России появилась компания, в которой заявляют, что искусственный интеллект, способный мыслить по-настоящему логически и решать абсолютно любые задачи, уже создан. Компания эта — ООО «НИИ МИВАР», а ее основателем является профессор МАДИ, доктор технических наук, полковник в отставке Олег Варламов. Как утверждает Варламов, базовые принципы миварных вычислений были разработаны в 1985 году, в 1993 году появился сам термин (он был придуман Варламовым и расшифровывается как «многофункциональная информационная варьирующаяся адаптивная реальность»), затем был разработан программный комплекс УДАВ (универсальный делатель алгоритмов Варламова), а сейчас на базе миварных достижений создана и технологическая платформа Wi-Mi, которая относится к классу систем роботизации процессов (Robotic Process Automation), и именно она станет тем рычагом, который перевернет весь мир искусственного интеллекта, и не только его. Wi-Mi, уверяет Варламов, по силам полностью автоматизировать любые ручные процессы, которые не поддаются формализации, — от ИТ-поддержки до управления ЦОД, от создания бухгалтерских документов до финансового аудита, значительно повысив производительность труда и высвободив людей для более творческой работы.

По словам Варламова, миварный интеллект не требует сложного дорогостоящего оборудования — достаточно обычного компьютера. К тому же это продукт полностью отечественного производства, основанный исключительно на разработках советской и российской математической школы, подчеркивает профессор. Гибкость миварного подхода, убеждает управляющий партнер НИИ «МИВАР» Вячеслав Осипов, бесконечно расширяет количество областей его использования, что в самом ближайшем будущем позволит создать продукты, способные заместить сначала в России, а потом и в мире решения многих известных компаний, от SAP до Google. Пока же на базе Wi-Mi создано только одно приложение, оно решает задачи по геометрии и физике для 7-го класса. Это приложение, Smart Solver, уже можно найти в Google Play, а несколько позже оно появится в и в App Store, сообщили в НИИ «МИВАР». Запущены и B2C-проекты, утверждают в компании, но подробностей, увы, не раскрывают.

С научной точки зрения

Несмотря на то что список научных работ профессора Варламова содержит более сотни наименований, сотрудники нескольких институтов РАН, связанных с исследованиями в области искусственного интеллекта, с деятельностью ученого не знакомы. А ознакомившись по просьбе Computerworld с презентационными материалами и информацией в Интернете, отзываются о миварной теории со скептицизмом.

В сегодняшних реалиях при желании публиковать и патентовать можно все, что не имеет явных аналогов. В то же время решение или метод, обладающие, помимо формальной новизны, реальной практической значимостью, быстро получат широкую известность в научных кругах и найдут практическое применение. Поэтому странным выглядит тот факт, что предложенный еще в 1985 году «миварный» подход, позволяющий «описать и объединить в своем формализме все существующие структурные и бесструктурные модели данных», за три десятилетия не нашел практического применения, но по-прежнему подается как революционное решение в области систем искусственного интеллекта, считает один из собеседников нашего издания.

Научные результаты доказывают через принятые в мировой научной практике методы верификации, подтверждает эксперт в области лингвистических технологий одной из известных российских компаний. По его словам, речь идет как минимум о результатах независимого сравнительного тестирования и публикациях в крупных отечественных и зарубежных профильных рецензируемых журналах.

Японский оператор мобильной связи Softbank представил говорящую домашнюю машину по имени Pepper в прошлом году, а теперь ее объединяют с Watson, платформой искусственного интеллекта, созданной в IBM.

Перспектива встраивания Watson, победителя телевикторины Jeopardy!, в тело андроида с оленьими глазами, может пугать или приводить в восторг в зависимости от вашего отношения к разумным роботам. Однако вряд ли Pepper в результате станет более полезным, учитывая его ограниченные физические возможности.

SoftBank и IBM собираются скомбинировать Watson с Pepper, но пока не уточняют, для чего именно. Победитель телевикторины =- это облачная платформа, способная обрабатывать огромные объемы данных и отвечать на вопросы, заданные на естественном языке. В IBM быстрореагирующий искусственный интеллект, работающий с неструктурированными данными, называют системой «когнитивных вычислений». Watson сегодня применяется в США в медицине — он помогает врачам выбирать способы лечения пациентов с онкологическими заболеваниями.

SoftBank переносит Watson в Японию. В компании планируют применять искусственный интеллект в образовании, банковской сфере, розничной торговле и медицине. В банках, в частности, Watson можно было бы применять для получения ответов на вопросы об управлении активами, полагают в SoftBank.

Имея постоянную быструю связь с Watson через Интернет, Pepper мог бы делать что-то более сложное, чем сейчас. В числе его нынешних умений — петь песни, продавать мобильные телефоны и играть в рекламе кофе с Томми Ли Джонсом; подобно роботу Honda Asimo, Pepper используется для привлечения внимания к брендам.

На демонстрации, проведенной прошлой осенью, Pepper, соединенному с Watson, задали вопрос: «Какое оружие, изобретенное Эрнестом Суинтоном, использовалось в Первой мировой войне?». Pepper, немного «подумав», ответил «танк».

По сути, это было то же самое, что делал Watson на Jeopardy!, вызывая ассоциации со сверхразумными роботами наподобие C-3PO из «Звездных войн» и Дейта из «Звездного пути». Но вряд ли многие будут готовы выложить 1600 с лишним долларов — примерно за такую сумму планируется продавать Pepper — за гения викторин, который больше практически ни на что не способен.

Ввиду своих аппаратных ограничений Pepper не умеет ни готовить, ни убирать в квартире, — разработавшая его компания Aldebaran Robotics даже написала об этом на рекламной веб-странице робота. Пальцы Pepper с резиновыми подушечками, возможно, могли бы удерживать ткань, отметил инженер из Aldebaran, но на переноску вещей робот точно не рассчитан. Pepper это прежде всего робот-собеседник.

Генеральный директор SoftBank Масаеши Сон представил Pepper на пресс-конференции как первого в мире робота, способного распознавать человеческие эмоции. Общаясь с людьми, он понимает выражения лица, тон голоса и язык телодвижений.

Но бывает, что Pepper неверно понимает ответ собеседника, и это может нервировать: похоже, что у «сверхразумного» Pepper будут серьезные недочеты. Для Watson необходим определенный уровень надежности распознавания речи, которого нет у Pepper, отметил Хироши Ишигуро, инженер-робототехник из Осакского университета, известный своими гуманоидными роботами, пугающе похожими на людей.

Поскольку как собеседник Pepper далеко не идеален, ему явно нужно будет уметь помогать по дому — это бы сильно повысило его привлекательность в глазах потенциальных покупателей. Робот Roomba компании iRobot приобрел международную известность благодаря тому, что он избавляет владельцев от неприятной обязанности пылесосить полы. Гуманоидные роботы в перспективе должны стать удобной бытовой техникой, а не просто «балаболками».

Робота Pepper хотели начать продавать уже в этом месяце, но потом отложили выпуск в продажу как минимум до июня. В SoftBank сообщают, что сперва будут продавать робота только разработчикам, поскольку спрос оказался выше ожидаемого.

Сон считает робототехнику перспективным делом, видя обширные возможности развития платформ наподобие Pepper. По словам Сона, он готов отказаться от краткосрочных прибылей и инвестировать в приближение того момента, когда искусственный интеллект станет более мощным, чем человеческий.

«Этот момент наступит, рано или поздно, — уверен глава SoftBank. — Это лишь вопрос времени. Когда это произойдет, надеюсь что роботы с искусственным интеллектом станут благом для человечества. И мы внесем в это свой вклад».

Sony свернула проект Aibo в 2006 году ради сокращения затрат, а теперь стартап Informetis, созданный корпорацией, задействует «собачий» искуственный интеллект в системе мониторинга расхода электроэнергии.

В Informetis готовятся начать испытания датчика на основе алгоритмов, помогавших Aibo понимать человеческую речь. Устройство предназначено для непрерывного мониторинга расхода электричества в домах и на предприятиях. Система позволяет составлять детализированные отчеты об энергозатратах.

Абоненты смогут выяснять, сколько расходует каждый электроприбор, что в свою очередь поможет экономить. Приложение счетчика дает возможность следить за расходом энергии дистанционно и помогает предотвращать пожары из-за невыключенных нагревательных приборов.

«Электрические волны на удивление похожи на звуковые, — объясняет Джош Хонда, его недавно наняли в Informetis руководить маркетингом во всем мире. — Система, с помощью которой Aibo понимал команды своего хозяина, стала основой механизма, позволяющего различать 'голоса' разных электроприборов».

В ходе демонстрации прототип датчика размером с сигаретную пачку был прикреплен к распределительному щитку. Информация, собираемая датчиком, отправлялась на маршрутизатор Wi-Fi, обрабатывалась в облаке и выводилась на экран телевизора. Отображались сведения о расходе электричества люстрами и различными приборами, а когда включили воздухоочиститель и настольную лампу, они тоже появились на экране.

Раннюю версию датчика в Informetis уже продают японским предприятиям. Она может регистрировать потребление энергии микроволновыми печами, стиральными машинами и холодильниками, но не опознает зарядные устройства. Система определяет тип электроприбора, но не модель.

При загрузке данных в облако для компрессии используется оригинальный кодек Informetis. Затем алгоритмы машинного обучения, аналогичные тем, что использовались в системе распознавания речи Aibo, анализируют колебания, чтобы обнаружить характерные «сигнатуры» различной техники — например, холодильников, которые включаются через регулярные интервалы времени.

Сейчас точность системы составляет только около 80%, но этого хватает, чтобы получить полезные сведения о закономерностях расхода электроэнергии в доме или на предприятии.

«Существующие на сегодня умные счетчики подобное не умеют, — отметил генеральный директор Informetis Таро Тадано, инженер, перешедший в новую компанию из Sony. — Но их можно было бы наделить такой возможностью, если установить прошивку, реализующую функции нашего датчика».

В будущем собираемые данные можно было бы использовать для нужд безопасности, помощи престарелым или даже для медицины и маркетинга, считает Тадано. По его оценке, самих по себе регулярных детализированных отчетов об энергозатратах было бы достаточно, чтобы оптимизировать расход, получив экономию порядка 10%.

Есть еще ряд компаний, предлагающих домашние мониторы расхода электроэнергии, которые обрабатывают данные в облаке. К примеру, в бельгийской Smappee тоже заявляют о 80-процентной точности распознавания техники. Что касается Informetis, в компании сообщают, что ее система автоматически распознает до шести одновременно работающих электроприборов.

Версию датчика, реализованную в виде прошивки, в Informetis тестируют совместно с одним из японских производителей счетчика в рамках проекта, финансируемого государством. Наряду с этим компания в партнерстве с поставщиком электроэнергии Tokyo Electric Power (Tepco) вскоре начнет годичные испытания своего датчика примерно в 300 домах и на 20 предприятиях.

Informetis была основана в 2013 году, ее мажоритарный владелец — частный инвестиционный фонд JAFCO. Свой датчик в Informetis рассчитывают продавать энергетическим компаниям. За услугу анализа расхода электроэнергии предполагается брать ежемесячную плату.

В Informetis ждут 2016 года, на который намечена децентрализация энергетического рынка Японии, где десятилетиями доминируют Tepco и другие региональные компании. Начинающие поставщики электроэнергии могли бы попытаться выделиться на рынке, предлагая детализированные отчеты о расходе энергии, которые составляются с помощью датчиков или прошивок Informetics. В 2015 году в компании также планируют предлагать свою технологию в Европе.

К участию в инициативе AI100 приглашаются представители научного сообщества, инженеры-робототехники и другие специалисты. По замыслу, проект будет необычайно долгосрочным — он рассчитан на сто лет. На протяжении этого периода времени исследователи собираются следить за тем, как машины, способные воспринимать информацию, обучаться и рассуждать, будут влиять на то, как живут, работают и общаются люди.

«Чем искусственный интеллект станет через 30, 50 или 70 лет, никому не известно, и как изменится наш проект к этому времени, тоже судить трудно, — отмечает Расс Альтман, профессор Стэнфордского университета. — Но есть все основания надеяться, что Стэнфорд еще будет существовать, и его ученые будут участвовать в важнейших проектах своего времени».

Вопросы, связанные с возможностями и будущим искусственного интеллекта, стали предметом активных обсуждений в последние пару месяцев после того как знаменитый физик-теоретик Стивен Хокинг и предприниматель Элон Маск высказали предостережения в связи с возможными опасностями, которые сулит человечеству развитие технологий искусственного интеллекта.

Маск, глава компании по выпуску электромобилей Tesla Motors и сооснователь SpaceX, устроителя коммерческих полетов в космос, выступая на симпозиуме Массачусетского технологического института в октябре, подчеркнул, что ученым необходимо проявлять осмотрительность при разработке искусственного интеллекта. «Если бы меня спросили, какова наибольшая угроза нашему существованию, я бы назвал именно искусственный интеллект, — заявил Маск. — Создавая его, мы вызываем демона. Герои соответствующих сюжетов, вооруженные пентаграммами и святой водой, всегда уверены что смогут совладать с демоном, но неизменно ошибаются».

Хокинг же в интервью BBC заявил, что ученым стоит быть осторожными, создавая машины, которые когда-то могут стать умнее и сильнее людей.

«Выйдя из-под контроля, такая система начнет перестраивать себя все более быстрыми темпами, — добавил он. — Люди, чье развитие ограничивается медлительностью биологической эволюции, не смогут соперничать с подобной машиной, и окажутся в проигравших».

Стэнфордский проект, похоже, в большей степени связан с изучением пользы, которую искусственный интеллект может принести обществу, но в то же время в рамках инициативы планируется следить за развитием соответствующих технологий, по каким направлениям бы оно ни шло.

«Я с большим оптимизмом смотрю в будущее и уверен в том, что достижения в сфере искусственного интеллекта станут благом для человечества, — заявил Эрик Хорвитц, директор главной лаборатории Microsoft Research, выпускник Стэнфорда. — Но все преимущества и проблемы предвидеть нереально, вот почему необходимо, чтобы наш проект выдержал проверку временем».

Том Митчелл, профессор, руководитель кафедры машинного обучения Университета Карнеги-Меллон, отметил, что было бы разумным предугадывать развитие искусственного интеллекта на несколько шагов вперед.

«Мы не собираемся пытаться возвращать джина в бутылку, — заявил он. — Искусственный интеллект развивается по такому большому числу направлений силами столь большого количества организаций, что остановить это уже невозможно. На мой взгляд, запуск AI100 - это дальновидный шаг, который предоставит обществу возможность определять свой путь в будущее вместо того чтобы просто пустить события на самотек».

К проекту также присоединились ученые Гарварда, Университета Калифорнии в Беркли, Университета Карнеги-Меллон и Университета Британской Колумбии.