Top.Mail.Ru
Разум человека не сможет догнать искусственный интеллект - ASP

Разум человека не сможет догнать искусственный интеллект

Компьютерное зрение, предиктивная аналитика и этика в сфере искусственного интеллекта (ИИ) вот еще одни ключевые аспекты развития этой технологии.

О которых ранее мы с Вами, дорогие читатели, не говорили на просторах АСП Ньюз. Зато детально изучили эволюцию нечеловеческого разума и его перспективы. Ниже оставлю ссылку, если кто-то из Вас эту статью пропустил.

Искусственный интеллект: Эволюция и перспективы в эпоху новых технологий

А сегодня продолжим разговор, как Вы уже догадались, про новые тенденции ИИ. Но для начала хочу привести прогноз Грея Скотта, эксперта по ИИ, что ИИ будет впереди человеческого мозга как минимум еще 12 лет. И это с учетом того, что ИИ все еще находится на начальной стадии своего развития.

Итак, компьютерное зрение, также известное как Computer Vision (CV) представляет собой важную область искусственного интеллекта, ориентированную на анализ изображений и видеоматериалов. В этой дисциплине используются разнообразные методы и алгоритмы, которые придают компьютерам способность “видеть” и извлекать информацию из визуальных данных. Подобные системы обычно включают в себя фото- или видеокамеру, а также специализированное программное обеспечение, которое выполняет задачи идентификации, классификации и анализа объектов на изображениях.

Ключевыми задачами компьютерного зрения являются распознавание объектов, определение их местоположения, классификация по типам, а также анализ движения и изменений на изображениях. Все эти задачи выполняются с использованием математических методов, алгоритмов и нейронных сетей, что делает CV мощным инструментом для автоматизации и улучшения множества процессов в разных областях человеческой деятельности.

При этом данной технологией пользуются почти все люди. Вот вам самый простой пример: практически любой смартфон или фотоаппарат определяет фокус, распознает лицо, а также может определить, что в кадре природа, интерьер, еда и т.д. И ведь для нас это уже привычно, вроде как забавная подсказка. А по сути, это и есть компьютерное зрение.

Но, конечно, также оно используется в более серьезных масштабах и с другими целями. Например, в розничной торговле компьютерное зрение используется для обнаружения магазинных краж, отслеживания запасов и анализа поведения покупателей. Также компьютерное зрение охватывает широкий спектр приложений в различных областях, начиная от автомобильной промышленности, где оно используется для систем управления автономными транспортными средствами, и заканчивая медицинской сферой, где CV помогает в диагностике и анализе медицинских изображений. Также оно применяется в области безопасности, распознавании лиц, анализе поведения покупателей в розничных магазинах и многих других сферах.

Идем далее: Предиктивная аналитика.

С ее помощью компании анализируют и обрабатывают огромные объемы данных. В мире, где информации накапливается сотни зеттабайт, искусственный интеллект (ИИ) выявляет закономерности и сведения, которые остаются скрытыми от человеческого взгляда и которые невозможно анализировать вручную.

Также с помощью предиктивной аналитики эксперты прогнозируют будущие события, например, в здравоохранении и маркетинге. Компании все чаще обращаются к предиктивной аналитике для принятия более обоснованных решений и оптимизации своих процессов. А в бизнесе предиктивная аналитика может помочь в прогнозировании спроса на товары. В медицине она может использоваться для ранней диагностики заболеваний и выбора наиболее эффективного лечения.

Ранее финансовые организации проводили независимый сбор информации о клиентах, проводили анализ всех финансовых рисков и предоставляли им подходящие банковские продукты. Однако современные банки активно внедряют практику скоринга, что означает приобретение и анализ информации о клиенте, которую тот самостоятельно размещает в сети Интернет.

Благодаря развитию интернета вещей (IoT), искусственного интеллекта (ИИ), облачных технологий и увеличению вычислительных мощностей, предиктивная аналитика переживает период стремительного развития. Сегодня, после предварительного обучения на основе исторических и актуальных данных, системы способны делать выводы и принимать решения, минимизируя человеческий фактор.

Таким образом, если ранее решения в финансовой сфере часто принимались на основе индивидуальной оценки и экспертного мнения, то современные технологии позволяют создавать более точные и автоматизированные методы анализа данных, что обеспечивает более эффективные и быстрые финансовые решения.

Прежде всего, системы предиктивной аналитики:

  1. Аккумулируют и анализируют статистические данные, включающие информацию за последние несколько десятилетий и даже столетия.

  2. Прогнозируют естественные катаклизмы, атмосферные явления и другие события природы.

Следует отметить, что помимо общественных и научных организаций, такие системы активно внедряются в деятельность МЧС. Ведь они способны следить за техническим состоянием продукции и оборудования, что в свою очередь позволяет прогнозировать срок службы изделий.

Более того, подобные системы:

  1. Определяют, когда и какую деталь следует заменить до возникновения неисправности, что позволяет избежать потенциальных ущербов.

  2. Анализируют поведение людей, что способствует более эффективному взаимодействию с ними и помогает бизнесу лучше понимать своих клиентов.

  3. Минимизируют влияние человеческого фактора, особенно в контексте управленческих решений.

  4. Предостерегают от потенциальных рисков и предоставляют оптимальные решения, что имеет критическое значение для организаций, где ошибки или задержки могут стоить человеческой жизни, например, автоматически объявляя эвакуацию в аварийных ситуациях.

Использование предиктивной аналитики в России и за рубежом проходит через этап формирования интереса и пока не обрело окончательного утверждения. Очевидно, что данная технология находится в стадии роста, преимущественно ориентированной на корпоративный сектор. Однако уже сегодня можно наблюдать за началом интереса со стороны компаний, занятых в добывающей, нефтегазовой и химической промышленности. Крупные предприятия металлургической отрасли ранее делились с общественностью информацией о высокой скорости развития своих технологий, так как они активно конкурируют на глобальном рынке. Тем не менее, на мировой арене рынок предиктивной аналитики находится на стадии формирования, что свидетельствует о том, что потенциал данной области еще не исчерпан и предстоит множество перспективных изменений.

Таким образом, несмотря на быстрое развитие искусственного интеллекта, остается множество вызовов и вопросов, которые требуют внимания и решения в ближайшие годы.

Плавно переходим к этике искусственного интеллекта.

Этика ИИ (робоэтика) это область, которая занимается этическими соображениями, связанными с разработкой и использованием ИИ. Также существует кодекс этики ИИ (комплекс правил и принципов, объединенных в одной системе) с целью создания благоприятной среды для развития искусственного интеллекта в России, который основывается на рекомендациях.

Следует отметить, что участие в расширении данного кодекса является абсолютно добровольным. Также он распространяется исключительно на технологические разработки в сфере гражданского сектора.

Среди участников кодекса Сбер, Яндекс, ВК, МТС, Ростелеком, Циан и т.д. Вы тоже можете стать подписантом. Для этого нужно заполнить заявление.

2023 10 02 17 19 03

Скачать бланк заявления можно – здесь. 

Еще больше я была удивлена, увидев количество рабочих групп и состав членов. К слову сказать, рабочие группы создаются на основе общего согласия среди членов Комиссии или при принятии решения Собрания уполномоченных, ответственных за вопросы этики в области искусственного интеллекта, с целью реализации конкретных положений и задач, установленных в Кодексе.

Состав рабочих групп имеет возможность включать представителей различных секторов, таких как предпринимательская сфера, научное сообщество, государственные органы и другие заинтересованные стороны, которые могут действовать в роли наблюдателей.

  • Рабочая группа по разработке и мониторингу методики оценки рисков и гуманитарного воздействия систем ИИ. Занимается разработкой методических рекомендаций с учетом лучшим мировых практик в сфере этики ИИ.
Состав рабочей группы:
Анна Абрамова, МГИМО; Александр Гаврилин, Яндекс; Юрий Линдре , Сколтех; Александр Малахов, Центр стратегических разработок; Андрей Незнамов, Сбер; Андрей Сакаро , Региональный молодежный центр; Елена Сурагина , МТС; Дарья Чирва , Университет ИТМО.
 
  • Рабочая группа по созданию свода наилучших практик решения возникающих этических вопросов в жизненном цикле ИИ. Осуществляет сбор, анализ наилучших практик и принимает решение о целесообразности включения их в свод.
Состав рабочей группы:
Анна Абрамова, МГИМО; Елена Алёхина, VEB Ventures; Сергей Астахов, Национальный центра развития ИИ; Александр Гаврилин, Яндекс; Олег Глебов, ЦРТ; Андрей Добрынин, Росатом; Сергей Израйлит, Фонд Сколково; Александр Крайнов, Яндекс; Ксения Крымская, Институт развития Интернета; Андрей Кулешов, МФТИ; Андрей Незнамов, Сбер; Иван Никанов, Университет Иннополис; Мария Сигова, МФТИ; Елена Сурагина, МТС; Александр Тормасов, Университет Иннополис; Александр Чесало, Программные системы Атлансис; Дарья Чирва, Университет ИТМО
 
  • Рабочая группа по рекомендательным сервисам. Осуществляет разработку рекомендаций по использованию рекомендательных сервисов для всех заинтересованных отраслей: новостные агрегаторы, социальные сети, аудио- и видеохостинги, маркетплейсы.
Состав рабочей группы:
Игорь Алексеев, Яндекс; Дмитрий Бугайченко, Сбер; Наталья Булаева, Интертеймент; Владимир Бухтояров, МГТУ им. Н.Э.Баумана; Алексей Бырдин, Ассоциация «Интернет-видео»; Анастасия Васильчук, Триколор; Наталья Великородная, МТС; Александр Высоцкий, Яндекс Go; Елена Гайван, МТС; Светлана Глинчикова, Газпром нефть; Павел Глухов, Сбермаркет; Константин Голуб, VK; Борис Единин, ИРИ; Ксения Калинова, ЭР-Телеком; Александр Крайнов, Яндекс; Иван Кузьмин, Сбер; Юрий Линдре, Сколтех; Александр Малахов, Центр стратегических разработок; Иван Мамаев, Самокат; Алексей Минаев, OZON; Андрей Незнамов, Сбер; Владимир Нелюб, МГТУ им. Н.Э.Баумана; Лариса Нескороженкова , МКС; Александр Оленин, Delivery Club; Андрей Рего, МТС; Алена Романова, Мегафон; Елена Сурагина, МТС; Владимир Трунов, НАО НСК Триколол; Вадим Тынченко , МГТУ им. Н.Э.Баумана; Эльвира Чаче, Сбер; Николай Чернышев, МКС; Дмитрий Чудаков, Газпром нефть, Леонид Яжгур, Платора.
 

И это еще не все рабочие группы и члены, которые занимаются созданием этики ИИ!

А что будет через год или тем более пять лет? Каким будет искусственный интеллект? Тут я предлагаю Вам дать свои прогнозы. Пишите в комментариях.

 А на сегодня у меня всё.

С уважением к Вашему делу, Ника Виноградова

-->

Политика конфиденциальности

Наш сайт использует файлы cookies, чтобы улучшить работу и повысить эффективность сайта. Продолжая работу с сайтом, вы соглашаетесь с использованием нами cookies и политикой конфиденциальности.

Принять