«Килиманджаро – заснеженная гора высотой 19 710 футов, и считается самой высокой горой в Африке. Его западная вершина называется на языке масаи “Нгайе-Нгай”, Дом Божий. Рядом с западной вершиной находится высохший и замерзший труп леопарда. Никто не объяснил, что искал леопард на этой высоте».
Если вам интересно, каким образом Google достиг таких высот, рекомендую прочесть статью Тhe New York Times: это выдающееся научно-техническое достижение, но и оно не предел.
Базовый искусственный интеллект, он же «ограниченный искусственный интеллект», великолепно справляется с какой-то одной конкретной задачей. Следующий уровень искусственного интеллекта – «общий искусственный интеллект»; позволяет функционировать в режиме многозадачности, то есть выполнять несколько операций одновременно. Ограниченный искусственный интеллект может эффективно выполнять только одно действие. Сегодня мы уже достигли этого уровня, и искусственный интеллект на основе нейронных сетей позволяет нам совершенствоваться в области искусственного интеллекта, как никогда прежде. Вот почему я считаю, что тест Тьюринга, возможно, будет пройден до конца нынешнего десятилетия. До конца 2020-х годов появится сверхразумный искусственный интеллект – и машины смогут обучаться так же хорошо, как люди. Далее в этой главе мы подробно обсудим все три группы искусственного интеллекта.
Машины, управляемые искусственным интеллектом
Машинное обучение и искусственный интеллект – самые яркие и значимые технологические тренды сегодняшнего дня. Есть и другие – контекстная торговля, распознавание устной речи, цифровые помощники, но машинное обучение и искусственный интеллект – безусловные лидеры.
По мнению одного моего знакомого IT-директора, машинное обучение в приоритете, поскольку может помочь оптимизировать производственные и бизнес-процессы. Сам по себе искусственный интеллект – давно не новость, Спилберг снял одноименный фильм еще в 2001 году. Новизна заключается именно в тех разработках, которыми занимаются Google и IBM.
Watson от IBM – самый известный широкой публике суперкомпьютер, оснащенный вопросно-ответной системой искусственного интеллекта. Еще в 2011 году он победил в американской телевикторине Jeopardy! Watson, названная в честь основателя IBM Томаса Дж. Уотсона, – это когнитивная технология, ее задача – понимать вопросы, сформулированные на естественном языке, и находить ответы в базе данных. Она обрабатывает информацию скорее как человек, а не компьютер.
Суперкомпьютер Watson работает со скоростью 80 терафлопс (триллион операций над числами с плавающей точкой) в секунду. Стремясь воспроизвести (а то и превзойти) нашу способность отвечать на вопросы, Watson обращается к 90 серверам, где хранится 200 миллионов страниц, а за обработку информации отвечают шесть миллионов логических правил. Суперкомпьютер и хранилище данных занимают пространство, где могло бы уместиться десять холодильников.
Тем временем в начале 2014 года Google в рамках разработки искусственного интеллекта приобрел лондонскую компанию DeepMind. Теперь DeepMind пишет программы, способные обыгрывать людей в видеоиграх и даже побеждать чемпиона мира по игре го, самой сложной логической игре на планете.
Этим разработки в области искусственного интеллекта не исчерпываются. Microsoft занимается проектом ADAM (ключевая служба каталогов, облегчающая доступ к каталогам Windows Server). Facebook предоставляет в свободное использование свои инструменты глубокого обучения, действует сервис для построения моделей машинного обучения и создания прогнозов от компании Amazon, а Apple продолжает развивать цифрового помощника Siri и совершенствовать распознавание в iOS. Подобные разработки ведут не только лидеры рынка, но и множество более мелких компаний.
А зачем вообще развивать искусственный интеллект?
Банкам определенно нужен искусственный интеллект. Технологические гиганты обучают машины распознавать лица на фотографиях, понимать устную речь и мгновенно переводить ее с одного языка на другой. Благодаря этому люди могут говорить со своим банком, а банковская система мгновенно выявлять мошеннические транзакции.
PayPal использует глубокое обучение для отслеживания мошеннических операций, и это не единственный способ применения искусственного интеллекта в банкинге. Например, некоторые компании, специализирующиеся на микрофинансировании и микрокредитовании в режиме реального времени, используют аналитические программы для оценки кредитоспособности заявителя. Быстро развивается глубокий анализ данных в маркетинге (эффективность рекламных кампаний), торговле (построение прогностических моделей цен, волатильности и т. д.), в управлении инвестиционными портфелями (расчет эффективности) и управлении рисками в целом (попытки точнее их оценить).
Компания UBS использует глубокий анализ данных в сочетании с машинным обучением для перманентного изучения инвестиционных портфелей своих клиентов, чтобы каждого из них максимально точно проконсультировать, предоставляя персонализированные услуги каждый день, – меня это весьма впечатлило. Я также был заинтригован, услышав, что в DBS обсуждается использование суперкомпьютера Watson от IBM. DBS, подобно UBS, использует глубокий анализ данных для оптимизации консультирования и обслуживания клиентов. Менеджеры DBS по работе с клиентами не тратят время на просмотр отчетов по рынку – они используют эти часы для встреч с клиентами, а всю необходимую информацию им предоставляет Watson.
Нет сомнений, что будущее за искусственным интеллектом: разработка пользовательских интерфейсов, повышение удобства взаимодействия с пользователем, автоматическое обнаружение мошенничества и создания высоко персонализированных прогностических сервисов. Банки давно стремятся заменить сотрудников-трейдеров машинами. Сейчас на рынке сосуществуют активные (в них действует человек) и пассивные (в них действует машина) трейдинговые системы. Если перестроить высокочастотный трейдинг на базе машинного обучения и искусственного интеллекта, без трейдеров-людей вполне можно обойтись.
