В фильме "Игра в имитацию" один из первых в истории человечества компьютеров расшифровывает нацистские сообщения и предопределяет исход Второй мировой войны. Устройство, созданное Аланом Тьюрингом, механическое и сильно уступает современным компьютерам. И уже в ближайшем будущем экспертные системы нового поколения позволят машинам заменять людей даже в интеллектуальной деятельности.
Очень скоро машины смогут заменить работников интеллектуального труда
Фото: AFP
Современные ученые пытаются разработать программы, которые позволят машине заменить человека не только на рутинных механических операциях, но и там, где требуется задействовать опытных профессионалов. Dendral, первая в мире экспертная система, которую начали разрабатывать еще в 1960-х в Стэнфорде, помогает химикам распознавать органические молекулы по массе и спектру, основываясь на обширных знаниях органической химии. Производная Dendral — Prospertor, мультидисциплинарная система принятия решений, созданная в помощь геологам. Однако большинство таких систем ориентировано на решение медицинских вопросов, к примеру Heart Disease System помогает разбираться в болезнях сердца, Pulmonary Function System — в заболеваниях легких.
Экспертные системы применимы в любой области знаний, если их правильно "обучить", наполнив соответствующими взаимосвязанными данными. Распространение таких программ может открыть новую страницу человеческой истории.
В прошлом году Сатья Наделла, глава компании Microsoft, рассказывая о новой стратегии корпорации, назвал способность машин к самообучению одним из главных условий продуктивности и людей, и информационных систем. Именно это умение лежит в основе искусственного интеллекта. Наделла заявил, что разработчикам программных продуктов пора переходить от инструментов, реагирующих на действия пользователя, к умным технологиям, которые работают проактивно, понимают контекст, способны предсказывать действия человека и самостоятельно расставлять приоритеты. Такие инструменты должны понимать, что делает пользователь и зачем он это делает. Например, браслет Microsoft Band способен напомнить, что пора заканчивать работать и ехать на концерт. Встроенные голосовые помощники Siri в iOS и Cortana в Windows обладают начальным искусственным интеллектом и способны обучаться.
В новой стратегии Microsoft значится, что компания будет стремиться, чтобы все ее устройства и сервисы становились "умными", то есть могли бы заранее предложить правильный ответ на любой вопрос пользователя.
Сейчас компания использует эти технологии в системах машинного перевода — такая функция есть в новых Windows Phone. Можно, например, просто навести камеру на меню в ресторане где-нибудь в Техасе и тут же на экране получить перевод на русский. Для подобного программного обеспечения используются методы машинного обучения (machine learning): в систему загрузили множество документов на английском языке и их перевод на русский. Программа самостоятельно определила отношения между словами и понятиями, используя встроенные механизмы анализа структуры текстов, грамматики и отдельных слов. Получилась языковая модель, позволяющая делать перевод практически мгновенно. Skype Translation учился переводить устную речь с языка на язык тоже самостоятельно — обработав множество разных ресурсов, текстовых и видео, а также звуковые записи переведенных диалогов. Приложение умеет даже убирать из перевода слова-паразиты и переводить в реальном времени. Искусственный интеллект (ИИ) применяется здесь для решения сразу двух неординарных задач — распознавания речи, что очень непросто, и собственно перевода. Разработкой этих технологий занималась специальная команда в Microsoft — Speech Research Group. Их результаты легли в основу Cortana — это виртуальный помощник, фильтрующий информацию, чтобы избавлять пользователя от ненужного. Правда, предварительно программе нужно объяснить, что для вас представляет важность, а что — нет. С этого года Cortana работает не только в телефонах, но и на ноутбуках, планшетах и ПК под Windows 10.
Для понимания контекста и естественного языка искусственный интеллект использует компания ABBYY в своем продукте Compreno, помогающем каталогизировать документы, искать, переводить и т. д.
В программах, которые распознают движения людей через камеру, тоже используются алгоритмы самообучения машин. К примеру, разработчик программы для Kinect может "объяснить" устройству, что такое игра в мяч, просто жестами, вместо того чтобы писать тысячи строк кода.
Виток эволюции
Искусственный интеллект переходит на новую ступень развития. Предприниматель Джереми Ховард считает, что будущее за системами глубинного машинного обучения — deep machine learning. Его стартап Enlitic специализируется на диагностике заболеваний с помощью экспертной компьютерной системы. Для решения этой же задачи компания IBM несколько лет назад создала программу Watson. Однако, по словам Ховарда, IBM использует устаревшие подходы: "скармливает" своему "Ватсону" медицинские учебники, чтобы обучить его тому, что доктора и так уже знают. Идея же Ховарда — загрузить в машину сырые данные, чтобы компьютер (точнее, кластер из нескольких ПК) самостоятельно искал связи между симптомами и способами лечения.
Инновационный подход к экспертным системам предлагает и наш соотечественник — д.т.н., профессор Олег Варламов, старший партнер компании "Мивар". Компания вывела на рынок продукт, который позволяет любому создать собственную экспертную систему на основе алгоритмов, изобретенных Варламовым (Wi!Mi).
"До настоящего момента о миварных технологиях было известно в основном в научных кругах. Сейчас мы только выходим на рынок, поэтому о клиентах говорить рано. У нас есть несколько пилотных проектов с региональным ритейлером, небольшим контакт-центром. Ведем переговоры с транспортной компанией, большим коммерческим банком и крупным системным интегратором. И на подходе еще несколько проектов, о которых говорить пока совсем рано",— рассказывает он.
В классических системах искусственного интеллекта обычно используются алгоритмы построения графов (когнитивных карт), в которых данные связаны между собой по определенным правилам. В миварных системах данные представляются в виде трехмерного пространства, где по одной оси размещаются объекты, по другой — их свойства, по третьей — отношения между ними. Такой подход позволяет обрабатывать большие объемы данных в режиме реального времени и максимально полно описывать разные предметные области. Такая система принимает решения, уникальные для каждой конкретной ситуации, и предлагает их автоматически, без необходимости участия эксперта.
Для решения каких задач это может пригодиться? Для тех, где требуется работа эксперта, действующего по стандартной процедуре. Для сверки юридической документации на соответствие отраслевым нормам и правилам, проведения автоматических тендеров, анализа входящих сообщений и обработки электронной корреспонденции, контроля над исполнением поручений, выбора стандартных деталей и узлов по каталогам и т. д. То есть, создав систему на базе своих процессов на основе Wi!Mi, компания может не опасаться, что с уходом опытного сотрудника вместе с ним будет потеряна для бизнеса и вся его экспертиза. Даже если используется википодобная система, в которой все ходы записаны, обучить по ней смену будет трудно, потому что многое человек понимает только на практике. А вот машина, работающая по миварным алгоритмам, способна полностью заменить профессионала.
Электронный мозг
По сути, эта система относится к классу RPA (robotic proccess automation; роботизированная автоматизация процессов) и может обучить компьютер так, что он полностью заменит юриста или специалиста техподдержки, бухгалтера и даже проектировщика сложного оборудования.
Оценить рынок таких продуктов пока трудно. "По сути, это новый класс комплексных систем,— объясняет Варламов.— Экспертные системы появились еще в 1970-х годах, но из-за несовершенства алгоритмов область их применения была ограниченна. До недавнего времени существовали узкоспециальные продукты, которые использовались преимущественно в научной среде. Разработка миварных технологий позволила преодолеть узкую направленность экспертных систем".
Если рассматривать Wi!Mi как систему управления базами знаний (СУБЗ), то в перспективе десяти лет этот рынок по объему приблизится к рынку систем управления базами данных (СУБД) и достигнет, по разным оценкам, $30-35 млрд. Как считает Варламов, этот рынок уже не будет таким консолидированным, как рынок СУБД, который практически полностью контролирует тройка глобальных игроков: IBM, Microsoft и Oracle.
Однако Wi!Mi — это не только СУБЗ, это основа интеллекта для роботов и роботизированных комплексов, и традиционных, и виртуальных. По оценкам International Federation of Robotics, в 2014 году рынок сервисных роботов достиг $5,3 млрд, а к 2017-му вырастет до $17,1 млрд. То есть речь идет почти о 100 тыс. устройств, нуждающихся в высокоразвитом искусственном интеллекте. Эти цифры не учитывают потребностей военных и других силовых ведомств, систем умного города, электронного правительства и т. д.
"Компилируя существующие прогнозы по разным технологическим направлениям, в которых применяется искусственный интеллект, можно спрогнозировать, что в перспективе десяти лет потенциальный мировой рынок для миварных технологий составит $120-135 млрд",— говорит Варламов.
Пока успешных историй применения данной технологии немного. На миварных алгоритмах построено приложение SmartSolver, помогающее решать задачки по физике и математике. Их использует "Фотофабула" — интеллектуальный сортировщик фотографий, каталогизирующий снимки не по описанию, а по содержанию картинки. Потенциал "Мивара" велик, но для его реализации компании нужны инвесторы, заказчики и партнеры.