Эта синергия выходит далеко за рамки данного примера. Почти ни одно значимое начинание в области ИИ, от деятельности университетских исследовательских лабораторий до стартапов, занимающихся ИИ, и практических применений машинного обучения, разрабатываемых крупными компаниями, не обходится без использования этого универсального ресурса. Облачные вычисления, пожалуй, важнейший инструмент превращения ИИ в ресурс, который однажды станет столь же вездесущим, как и электричество. Фей-Фей Ли, архитектор базы данных ImageNet и конкуренции, ставшей катализатором революции в области глубокого обучения, временно покидала свою нынешнюю должность в Стэнфорде, чтобы возглавить научные разработки Google Cloud с 2016 по 2018 год. Вот как она это объяснила: «Что касается распространения такой технологии, как ИИ, то лучшая и самая большая платформа для этого — облако, поскольку никакие другие вычислительные ресурсы ни на какой другой платформе, изобретенной человечеством, не имеют такого огромного охвата. Одна лишь Google Cloud в любой момент времени поддерживает или обслуживает миллиарды людей» [Martin Ford, Interview with Fei-Fei Li, in Architects of Intelligence: The Truth about AI from the People Building It, Packt Publishing, 2018, p. 150.].
Инструменты, обучение и демократизация ИИ
Превращение облачного искусственного интеллекта в универсальный ресурс ускоряется благодаря появлению новых инструментов, делающих эту технологию доступной для широкого круга людей, в том числе не имеющих специальной технической подготовки. Такие платформы, как TensorFlow и PyTorch, упрощают создание систем глубокого обучения, но до сих пор по большей части используются высококвалифицированными специалистами, многие из которых имеют докторскую степень в области компьютерных наук. Новые инструменты, например AutoML, созданная Google и выведенная на рынок в январе 2018 года, в значительной мере автоматизируют техническую сторону и существенно снижают барьеры для доступа, позволяя намного более широкому кругу людей применять глубокое обучение для решения практических проблем. В сущности, AutoML использует искусственный интеллект для создания искусственного интеллекта и участвует в тренде, который Фей-Фей Ли называет «демократизацией ИИ».
Здесь, как и в других сферах, конкуренция облачных провайдеров выступает мощным стимулом инноваций, и инструменты глубокого обучения Amazon для платформы AWS также становятся проще в использовании. Наряду со средствами разработки все облачные сервисы предлагают готовые компоненты систем глубокого обучения, которые можно сразу включать в приложения. Например, у Amazon есть пакеты для распознавания речи и обработки естественного языка, а также «механизм рекомендаций», аналогичный тому, который демонстрирует онлайновым покупателям или кинозрителям предложения, способные их заинтересовать [“Deep Learning on AWS,” Amazon Web Services, accessed May 4, 2020, aws.amazon.com/deep-learning/.]. Самым неоднозначным примером такого рода является созданная AWS служба Rekognition, позволяющая разработчикам с легкостью использовать технологию распознавания лиц. Amazon навлекла на себя резкую критику, сделав Rekognition доступной для правоохранительных органов, несмотря на то, что, судя по результатам некоторых тестов, этому пакету свойственна расовая или гендерная предвзятость — этическая проблема, которую мы более пристально рассмотрим в главах 7 и 8 [Kyle Wiggers, “MIT researchers: Amazon’s Rekognition shows gender and ethnic bias,” VentureBeat, January 24, 2019, venturebeat.com/2019/01/24/amazon-rekognition-bias-mit/.].
Вторая принципиально важная тенденция — появление онлайновых обучающих платформ, благодаря которым любой человек, достаточно инициативный и способный к математике, может приобрести базовые знания в области глубокого обучения. Это, например, deeplearning.ai, доступная через образовательный портал Coursera, и fast.ai, предлагающая бесплатные онлайновые курсы и программные средства, что делает глубокое обучение более доступным [“New schemes teach the masses to build AI,” The Economist, October 27, 2018, www.economist.com/business/2018/10/27/new-schemes-teach-the-masses-to-build-ai.]. На рынке труда, где путь в высший слой среднего класса почти всегда требует официально подтвержденной профессиональной квалификации, приобретаемой ценой огромных затрат времени и денег, возможность стать практиком в области глубокого обучения — по крайней мере в нынешней ситуации, когда спрос на специалистов намного превосходит предложение, — это редкое исключение. Любой, кто способен успешно окончить онлайновый курс и продемонстрировать умение работать с глубокими нейронными сетями, имеет хорошие шансы получить хорошо оплачиваемую работу и начать плодотворную карьеру.
Поскольку и учебные программы, и инструменты будут и дальше совершенствоваться, в условиях все более массового использования ИИ-приложений разработчиками и предпринимателями нас ждет подобие кембрийского взрыва — быстрое появление неисчислимого множества применений этой технологии. Нечто похожее происходило на других крупнейших компьютерных платформах. Я руководил маленькой компанией, разрабатывавшей программное обеспечение в Кремниевой долине в 1990-х годах, когда Microsoft Windows стала господствующей платформой для персональных компьютеров. Первоначально создание приложений для Windows было уделом квалифицированных специалистов, которые использовали язык программирования Си и руководства объемом 1000 страниц, понятные лишь посвященным. Появление более простых в применении средств, включая чрезвычайно доступные среды разработки, такие как Visual Basic от Microsoft, резко увеличило число людей, способных писать программы для Windows, и быстро привело к взрывному росту количества приложений. Аналогично развивались мобильные вычисления, и теперь как App Store компании Apple, так и Android Play Store предлагают, кажется, бесчисленное множество приложений, удовлетворяющих практически любую мыслимую потребность. Такой же взрыв, скорее всего, произойдет и в области искусственного интеллекта, а именно глубокого обучения. В обозримом будущем ИИ превратится в новое электричество благодаря постоянному расширению круга специальных приложений, а не появлению универсального машинного интеллекта.
Взаимосвязанный мир и интернет вещей
Последний элемент пазла «искусственный интеллект как новое электричество» — это кардинально улучшенное сетевое взаимодействие. Его главной движущей силой должно стать внедрение беспроводной связи пятого поколения (5G) в ближайшие годы. Как ожидается, 5G увеличит скорость передачи мобильных данных в десять, а может, и в 100 раз, одновременно повысив пропускную способность сети так, что исчезнут почти все узкие места [Chris Hoffman, “What is 5G, and how fast will it be?” How-to Geek, January 3, 2020, www.howtogeek.com/340002/what-is-5g-and-how-fast-will-it-be/.]. Это неизбежно усилит сетевое взаимодействие, и коммуникация станет почти мгновенной. Представьте, что практически всё — включая устройства, электротехнику, транспортные средства, промышленное оборудование и огромное множество других элементов нашей физической инфраструктуры — будет взаимосвязано и находиться под контролем умных алгоритмов в облаке. Эта концепция будущего — так называемый интернет вещей — скоро будет реализована, и мы окажемся в мире, где, например, сенсоры в вашем холодильнике или в любом другом месте кухни смогут определить, что у вас почти закончился определенный продукт, и передать эту информацию алгоритму, который уведомит вас или даже автоматически сделает соответствующий онлайновый заказ. Если холодильник работает неоптимально, другой алгоритм решит эту проблему автоматически или удаленно. Деталь, которая вот-вот откажет, будет выявлена и отмечена как требующая замены. Распространение этой модели на всю нашу экономику и общественную жизнь невероятно повысит эффективность, поскольку машины, системы и инфраструктура будут автоматически выявлять и во многих случаях решать проблемы по мере их возникновения. Интернет вещей во многом будет похож на облачные дата-центры, сверхэффективно управляемые алгоритмами, только масштабы станут глобальными. Это, однако, несет с собой совершенно реальные риски, особенно в сферах безопасности и защиты персональных данных. Мы сосредоточимся на этих принципиальных вопросах в главе 8.
Все более взаимосвязанный мир превратится в мощную платформу доступа к искусственному интеллекту. В обозримом будущем самые важные ИИ-приложения будут находиться в облаке, но со временем машинный интеллект станет более распределенным. Устройства, машины и инфраструктура будут умнеть по мере применения новейших специализированных чипов, поддерживающих ИИ. Скорее всего, именно здесь такие инновации, как нейроморфные вычисления, окажутся наиболее востребованными. В результате появится мощная новая служба, способная предоставить доступ к машинному интеллекту по запросу практически где угодно.
