Бiзнес
20 Березня 2021
2 514

CОVID-19 і штучний інтелект: Головне з доповіді Стенфорда про розвиток технологій

Інвестиції в ШІ-індустрію збільшилися на 40%, а у стартапи навпаки — скоротилися

Стенфордський університет випустив щорічну доповідь AI Index про стан індустрії штучного інтелекту (ШІ), її вплив на глобальну економіку та суспільство. Цей звіт про глобальний прогрес технологій, повідомляє Hightech.

Можна виділити два напрямки розвитку сучасного штучного інтелекту:

• розв’язання проблем, пов’язаних з наближенням спеціалізованих систем ШІ до можливостей людини, та їх інтеграції, яка реалізована природою людини;

• створення штучного розуму, що представляє інтеграцію вже створених систем ШІ в єдину систему, здатну розв’язувати проблеми людства.

Однак наразі у сфері штучного інтелекту спостерігається залучення багатьох предметних областей, що мають скоріше практичне ставлення до ШІ, а не фундаментальне. Багато підходів були випробувані, але до виникнення штучного розуму жодна дослідницька група так і не підійшла. Нижче представлені лише деякі найбільш відомі розробки в галузі ШІ. 

Сфери застосування штучного інтелекту 

Алгоритмічна торгівля. Передбачає використання складних систем штучного інтелекту для прийняття торгових рішень зі швидкістю, що перевищує швидкість, на яку здатний людський організм.

“Це дозволяє здійснювати мільйони угод на день без будь-якого втручання людини. Автоматизовані торговельні системи зазвичай використовуються великими інституційними інвесторами”, — зазначається у доповіді.

Дослідження ринку та інтелектуальний аналіз даних. Декілька великих фінансових установ вклали кошти в розвиток ШІ, щоб використовувати його у своїй інвестиційній практиці. Розробки BlackRock ‘AI, Aladdin, використовуються як всередині компанії, так і для клієнтів компанії, допомагаючи у прийнятті інвестиційних рішень.

Широкий спектр функціональних можливостей даної системи містить обробку природної мови для читання тексту, такого як новини, звіти брокерів і канали соціальних мереж. Потім система оцінює настрої у згаданих компаніях і присвоює їм оцінку.

Банки, такі як UBS і Deutsche Bank, використовують систему ШІ під назвою Sqreem (Sequential Quantum Reduction and Extraction Model), яка може обробляти дані для розробки профілів споживачів і зіставляти їх з продуктами, які вони, швидше за все, захочуть.

Goldman Sachs використовує Kensho — платформу аналітики ринку, яка об’єднує статистичні обчислення з великими даними й обробкою природної мови. Його системи машинного навчання використовують дані в Інтернеті й оцінюють кореляції між світовими подіями та їх впливом на ціни фінансових активів.

Інформація, витягнута системою ШІ з прямої трансляції новин, використовується у прийнятті інвестиційних рішень.

Управління особистими фінансами. Існують продукти, які використовують ШІ для допомоги людям в управлінні їх особистими фінансами. Наприклад, Digit — це додаток, заснований на штучному інтелекті, який автоматично допомагає споживачам оптимізувати свої витрати й заощадження, ґрунтуючись на своїх особистих звичках і цілях. Додаток може аналізувати такі фактори, як щомісячний дохід, поточний баланс і звички до витрат, потім приймати власні рішення та переказувати гроші на окремий ощадний рахунок.

Стартап Wallet.AI, що розвивається у Сан-Франциско — створює агентів, що аналізують дані, які генерує споживач, при взаємодії зі смартфонами та соціальними мережами, щоб проінформувати споживача про свої витрати.

Управління фінансовим портфелем. Автоматизовані помічники-порадники все більше використовуються у галузі управління інвестиціями. Автоматизовані системи надають фінансові консультації та поради в управлінні фінансовим портфелем з мінімальним втручанням людини.

Цей клас фінансових консультантів працює на основі алгоритмів, створених для автоматичного розвитку фінансового портфеля відповідно до інвестиційних цілей та схильністю до ризику клієнтів. Він може коригувати зміни у реальному часі на ринку та калібрувати портфель відповідно до побажань клієнта.

Андеррайтинг. Онлайн-кредитор Upstart аналізує величезну кількість споживчих даних і використовує алгоритми машинного навчання для побудови моделей кредитного ризику, які прогнозують ймовірність дефолту. Їх технологія буде ліцензована для банків, щоб вони могли використовувати її для оцінки своїх процесів.

Військова справа. Застосування ШІ — важливий тренд у створенні перспективних систем управління боєм й озброєнням. За допомогою ШІ можна забезпечити оптимальний й адаптивний до погроз вибір комбінації сенсорів і засобів ураження, скоординувати їх спільне функціонування, виявляти й ідентифікувати загрози, оцінювати наміри противника.

Істотну роль ШІ грає у реалізації тактичних систем доповненої реальності. Наприклад, ШІ дозволяє забезпечити класифікацію та семантичну сегментацію зображень, локалізацію й ідентифікацію мобільних об’єктів для ефективної цілевказівки.

Важка промисловість. Роботи стали поширені у багатьох галузях промисловості й часто займаються роботою, яка вважається небезпечною для людей. Вони ефективні на робочих місцях, що пов’язані з повторюваними рутинними завданнями, які можуть привести до помилок або нещасних випадків через зниження концентрації з плином часу. Також широке застосування роботи отримали в роботі, яку люди можуть визнавати принизливою.

У 2014 році Китай, Японія, Сполучені Штати, Республіка Корея та Німеччина разом склали 70% від світового обсягу продажів роботів. У автомобільній промисловості, секторі з особливо високим ступенем автоматизації, в Японії була найвища щільність промислових роботів у світі: 1414 роботів на 10 тис. співробітників.

Медицина. Штучні нейронні мережі, такі як технологія Concept Processing у програмному забезпеченні EMR, використовуються як клінічні системи прийняття рішень для медичної діагностики. Інші завдання в медицині, які потенційно можуть виконуватися штучним інтелектом і починають розроблятися, враховують:

• комп’ютерну інтерпретацію медичних зображень. Такі системи допомагають сканувати цифрові зображення, наприклад від комп’ютерної томографії, для типових проявів і для виділення помітних відхилень, таких як можливі захворювання. Типовим застосуванням є виявлення пухлини;

• аналіз серцевого ритму;

• проєкт Watson — це ще одне використання ШІ у цій сфері, програма запитань/відповідей, яка створена для допомоги лікарів-онкологів;

• роботи-помічники для догляду за людьми похилого віку;

• обробка медичних записів для надання більш корисної інформації;

• створення планів лікування;

• виявлення підвищеного ризику захворювань;

• допомога у завданнях, що повторюються з врахуванням управління споживання медикаментів;

• надання консультацій;

• створення ліків;

• використання людиноподібних манекенів замість пацієнтів для клінічного навчання.

Музика. Хоча еволюція музики завжди була порушена технологією, штучний інтелект дозволив за допомогою наукових досягнень наслідувати, певною мірою, людиноподібні композиції.

Серед відомих — Девід Коуп створив ШІ під назвою Емілі Хауелл, якому вдалося стати відомим у сфері алгоритмічної комп’ютерної музики. Алгоритм, що лежить в основі Емілі Хауелл, зареєстрований як патент США.

Інші розробки, такі як AIVA (Artificial Intelligence Virtual Artist), зосереджені на створенні симфоній, в основному класичної музики для фільмів. Ця розробка досягла популярності, ставши першим віртуальним композитором, який був визнаний музичною професійною асоціацією.

Штучні інтелекти можуть навіть створювати музику, придатну для використання в медичних умовах — Melomics використовує комп’ютерну музику для зняття стресу та болю.

Китай обігнав США за науковими публікаціями про штучний інтелект

У Китаї було опубліковано найбільше статей про ШІ в наукових журналах — це 22% від усіх публікацій за рік у світі. Далі йде ЄС — 16,4%, а на третьому місці США — 14,6%. За кількістю ШІ-патентів, США — провідна держава. Однак друге й третє місце у цьому рейтингу належить Південній Кореї та Японії.

Розробкою ШІ займаються не тільки в Америці, Європі та Азії. Один з найбільших заходів у сфері машинного навчання — Deep Learning Indaba conference — відбувся в ПАР, куди приїхало понад 500 розробників з десятків країн Африки.

Але, як зазначають фахівці Стенфорда, США як і раніше лідирують за обсягом досліджень, підготовлених спільно науковими установами та технологічними компаніями, а відповідно — у втіленні ідей у життя.

“Як результат — США та Китай зробили приблизно однаковий внесок у розробку штучного інтелекту, якщо аналізувати за різними параметрами”, — уточнив співголова напрямку AI Index Джек Кларк.

Інвестиції у ШІ-індустрію виросли на 40%

Кількість статей, пов’язаних з ШІ, на arXiv (це найбільший безплатний архів публікацій наукових статей) зросла з приблизно 5,5 тис. 2015 року до майже 35 тис. 2020-го. Наукові організації в усьому світі — перші за загальною кількістю статей. На другому місці у США дослідження, які проводять комерційні компанії, а у Європі та Китаї — дослідження на замовлення держави.

Про швидкий розвиток галузі говорять не тільки дані щодо кількості стартапів, статей і вакансій. У доповіді наводять як приклад успіхи у сфері комп’ютерного зору. За 18 місяців час навчання машин розпізнаванню об’єктів знизився з години до чотирьох хвилин.

Інвестиції у стартапи скоротилися  

Однак, розробників і стартапів, які отримали інвестиції, стало менше. У 2017 році інвестиції розподілялися між 4 тис., а минулого року — їх отримало менше тисячі компаній. “Це сталося через те, що сама галузь ШІ стала більш зрілою. Тепер відсіюються дрібні технологічні проєкти, а фінансування у цій сфері отримують великі та стійкі компанії”, — йдеться у дослідженні.

Інвестиції ділять між собою інші — гравці на ринку, що домінують. До того ж через пандемію інвесторів перш за все цікавили розробки у сфері медицини, фармацевтики й біотехологій.

ШІ став рідше помилятися

Один із прикладів прогресу ШІ — мовна нейромережева модель GPT-3, яка дозволяє створювати великі тексти — генерувати їх на основі 175 млрд параметрів. Подивитися на те, як вона справляється, можна на прикладі експерименту — редактор The Gardian доручив GPT-3 написати колонку з близько 500 слів про те, “чому люди не повинні боятися штучного інтелекту”. Моделі ШІ стали точнішими та розумнішими.

У січні цього року система команди Google Brain змогла досягти 90,2% точності. За окремим простим завданням візуальне розпізнавання точності ШІ може становити 99%. У змаганні на конкурсі ImageNet з одного завдання, де було потрібно розмічати картинки по класах, 2012 року кращі алгоритми допускали чотири помилки з 10 спроб, у 2020-му — одну.

Більше новин та актуальних матеріалів Investory News у нашому каналі в Telegram

Контекст

Ми у соцмережах

Слідкуйте за нами у Facebook або ж читайте усе найцікавіше у нашому каналі в Telegram