Текст книги "Сверхдержавы искусственного интеллекта"

За кулисами глубокого обучения

Так как же работает глубокое обучение? По существу, чтобы получить решение, оптимизированное в соответствии с желаемым результатом, эти алгоритмы используют огромные объемы данных из определенного домена. Самообучающаяся программа решает задачу, обучаясь распознавать глубоко скрытые закономерности и корреляции, связывающие множество точек данных с желаемым результатом. Такой поиск зависимостей становится проще, когда данные имеют пометки, связанные с результатом: «кошка» против «нет кошки»; «нажал» против «не нажимал»; «выиграл игру» против «проиграл игру». Тогда машина может опираться на свои обширные знания об этих корреляциях, многие из которых невидимы или не имеют смысла для человека, и принимать лучшие решения, чем сам человек. Однако для этого требуется огромное количество данных, мощный алгоритм, узкая область и конкретная цель. Если вам не хватает чего-либо из перечисленного, метод не сработает. Слишком мало данных? Алгоритму не будет хватать образцов, чтобы выявить значимые корреляции. Неточно поставлена цель? Алгоритму не хватит четких ориентиров для оптимизации. Глубокое обучение – это то, что известно как «ограниченный ИИ» – интеллект, который берет данные из одного конкретного домена и использует их для оптимизации одного конкретного результата. Это впечатляет, но все еще далеко от «ИИ общего назначения» – универсальной технологии, способной делать все, что может человек. Глубокое обучение находит самое естественное применение в таких областях, как страхование и кредитование. Соответствующих данных о заемщиках предостаточно (кредитный рейтинг, уровень дохода, недавнее использование кредитных карт), и цель оптимизации ясна (минимизировать уровень неплатежей). Сделав следующий шаг в развитии, глубокое обучение приведет в действие самоуправляемые автомобили, помогая им «видеть» мир вокруг них: распознавать объекты в пиксельном изображении с камеры (например, красные восьмиугольники), выяснять, с чем они коррелируют (дорожные знаки «Стоп»), и использовать эту информацию для принятия решений (задействовать тормоз, чтобы медленно остановить автомобиль), оптимальных для достижения желаемого результата (доставить меня безопасно домой в минимальные сроки).

Глубокое обучение так волнует человечество именно потому, что открывает перед нами огромные перспективы. Его способность распознать схему и оптимизировать ее для получения конкретного результата может применяться для решения множества повседневных проблем. Вот почему такие компании, как Google и Facebook, боролись за немногочисленных экспертов в области глубокого обучения и платили им миллионы долларов, чтобы получить доступ к самым передовым научным разработкам. В 2013 году Google приобрела стартап, основанный Джеффри Хинтоном, а в следующем году и британский стартап в области ИИ под названием DeepMind – компанию, которая и построила AlphaGo, израсходовав более 500 млн долларов[11]11
  Шу К. Google приобретает стартап ИИ за 500 миллионов долларов // TechCrunch. URL: https://techcrunch.com/2014/01/26/google-deepmind/ (26 января 2014 года).


[Закрыть]. Результаты этих проектов продолжают поражать воображение публики и появляться в заголовках газет. Они вызывают у нас ощущение, что мы стоим на пороге новой эры, когда машины обретут невероятные возможности, и нет гарантий, что они не начнут вытеснять людей.

Международные исследования ИИ

Но какое место занимает во всем этом Китай? Исторически глубокое обучение было почти полностью разработано в Соединенных Штатах, Канаде и Великобритании. Затем некоторые китайские предприниматели и венчурные фонды, такие как мой собственный, начали инвестировать средства в эту область. Но подавляющая часть технического сообщества Китая не обращала должного внимания на глубокое обучение вплоть до событий 2016 года, то есть прошло целое десятилетие после появления революционных теоретических работ в этой области и четыре года после того, как глубокое обучение одержало эпохальную победу на конкурсе компьютерного зрения.

Американские университеты и технологические компании на протяжении десятилетий снимали сливки с работ талантливых специалистов, которых страна привлекала со всего мира. США надеялись на безусловное лидерство и в области ИИ, которое должно было только укрепляться. Исследовательская элита страны трудилась в Кремниевой долине в обстановке щедрого финансирования, уникальной культуры и поддержки со стороны влиятельных компаний. В глазах большинства аналитиков Китаю в отношении ИИ суждено было играть ту же роль, что и в предыдущие десятилетия, – роль подражателя, вечно не поспевающего за развитием передовых технологий.

В следующих главах вы увидите, что этот прогноз оказался ошибочным. Он был основан на устаревших оценках китайской технологической среды, а также на фундаментальном непонимании того, что движет продолжающейся революцией ИИ. Хотя первые зерна связанных с ИИ идей проросли на Западе, Китай будет пожинать их плоды. И причина этого глобального сдвига заключается в двух переходах: от эпохи открытий к эпохе внедрения и от эпохи экспертных знаний к эпохе данных.

В основе ошибочной веры в то, что Соединенные Штаты являются страной передового ИИ, лежит впечатление, что мы живем в эпоху открытий и наблюдаем за тем, как элита исследователей ИИ постоянно ломает традиционные парадигмы и разгадывает старые тайны. Это впечатление подпитывается постоянным потоком захватывающих дух сообщений СМИ: искусственный интеллект диагностирует некоторые виды рака лучше, чем это делают врачи; он одержал труднейшую победу над мастерами игры в техасский холдем[12]12
  Разновидность покера.


[Закрыть]; он самообучается без какого-либо вмешательства человека. С учетом такого повышенного внимания к каждому новому достижению случайному наблюдателю или даже эксперту-аналитику простительно полагать, что мы постоянно открываем новые горизонты исследований в области искусственного интеллекта.

Однако я считаю, что это впечатление обманчиво. Многие из якобы значительных вех представляют собой просто новые способы использовать достижения прошлого десятилетия – в первую очередь глубокого обучения и дополняющих его технологий, таких как обучение с подкреплением сигналами от среды взаимодействия и перенос обучения[13]13
  Transfer learning (англ.) – суть этого подхода заключается в том, что нейронные сети обучаются какой-то одной задаче, а потом переучиваются на новую, в той или иной степени похожую на предыдущую.


[Закрыть] для решения новых задач. То, что делают эти исследователи, требует большого мастерства и глубоких знаний, умения изменять сложные математические алгоритмы, манипулировать большими объемами данных, адаптировать нейронные сети под различные задачи. Для такой работы часто требуется как минимум степень кандидата наук. И тем не менее все это лишь небольшие шаги вперед – постепенное улучшение результатов последнего грандиозного прорыва в области глубокого обучения.

Эпоха внедрения

Постепенно мы начинаем применять уникальные возможности глубокого обучения для распознавания образов и схем, для прогнозирования в таких разнородных областях деятельности, как диагностика заболеваний, условия страхования, вождение автомобилей или перевод с китайского на английский. Но все эти шаги не означают, что мы стремительно приближаемся к созданию «ИИ общего назначения» или совершили какой-то прорыв. Наступила эпоха внедрения, то есть создания реальных продуктов на основе ИИ. Компаниям, которые захотят на этом заработать, понадобятся талантливые предприниматели, инженеры и менеджеры продукта.

Пионер глубокого обучения Эндрю Ын сравнил исследование ИИ с работой Томаса Эдисона над внедрением электричества: передовая технология существует сама по себе, и только поставив ее на службу человеку, можно революционизировать десятки различных отраслей промышленности. Предприниматели XIX века в короткие сроки поставили электричество на службу человеку[14]14
  Линч Ш. Эндрю Ын: почему ИИ – это новое электричество // The Dish [блог] // Stanford News. URL: https://news.stanford.edu/thedish/2017/03/14/andrew-ng-why-ai-is-the-new-electricity/ (14 марта 2017 года).


[Закрыть]: чтобы тот мог готовить пищу, освещать помещения и приводить в действие промышленное оборудование. Точно так же современные предприниматели, опираясь на исследования ИИ, начинают ставить на службу человеку и глубокое обучение. До сего дня было проделано много сложных теоретических изысканий, теперь же пришло время предпринимателям засучить рукава и приступить к нелегкой работе по превращению алгоритмов в устойчивый бизнес. Это не уменьшит энтузиазма в области исследования ИИ – просто реализация делает академические успехи осязаемыми, что действительно меняет нашу повседневную жизнь. Наступление эры практического применения означает, что после десятилетий самоотверженных исследований мы, наконец, увидим их плоды – и именно этого я так ждал большую часть своей взрослой жизни.

Поняв разницу между открытием и внедрением, мы лучше поймем, как ИИ будет влиять на нашу жизнь и какая страна станет лидером, когда дело дойдет до реализации новых технологий на практике. В эпоху открытий прогресс шел благодаря усилиям группы выдающихся ученых, и почти все они работали в США и Канаде. Их проницательность и новаторство привели к тому, что возможности компьютеров выросли быстро и радикально. Со времени зарождения глубокого обучения ни одна другая группа исследователей или инженеров не создала инноваций такого масштаба.

Эпоха данных

Итак, человечество приближается ко второму важному переходу – от эпохи экспертных знаний к эпохе данных. В наше время для создания эффективных алгоритмов ИИ нужны три составляющих: большие объемы данных, вычислительные мощности и труд способных – но не обязательно выдающихся – разработчиков алгоритмов ИИ. Чтобы с помощью глубокого обучения решать новые задачи, необходимы все три элемента, но в эпоху внедрения основную роль играют именно данные. Так получается потому, что, как только вычислительная мощность и талант разработчика достигают некоторого порога, объем данных становится решающим и определяет общую эффективность и точность алгоритма. При глубоком обучении данных не бывает слишком много. Чем больше примеров одного явления получает сеть, тем проще ей будет находить закономерности и идентифицировать вещи в реальном мире.

При превосходящем объеме данных алгоритм, разработанный группой инженеров ИИ среднего уровня, как правило, сильнее алгоритма, созданного исследователем глубокого обучения мирового класса. Ведущие исследователи ИИ все еще могут вывести эту область науки на более высокий уровень, но такие достижения случаются один раз в несколько десятилетий. А пока мы ждем следующего прорыва, растущие объемы данных будут оставаться движущей силой глубокого обучения, и этот процесс продолжит влиять на разные отрасли промышленности по всему миру.

Великая Поднебесная

Столетие тому назад распространению электрификации способствовало наличие четырех составляющих: ископаемого топлива для производства электроэнергии; предпринимателей, которые строили работавшие на ней новые предприятия; инженеров-электриков, управлявших ею; и поддержки государства, необходимой для развития инфраструктуры. Чтобы в наше время поставить на службу человеку ИИ – «электроэнергию» XXI века, нужны четыре аналогичных фактора: изобилие данных, жаждущие зарабатывать предприниматели, специалисты в области ИИ и государственная поддержка.

Глядя на соотношение сил Китая и Соединенных Штатов в этих четырех категориях, мы можем сделать прогноз, кому быть мировым лидером в области ИИ. Оба перехода, описанные на предыдущих страницах, – от открытия к внедрению и от экспертных знаний к данным – теперь сдвигают баланс сил на игровом поле в сторону Китая. Переход от открытия к внедрению нейтрализует одну из слабостей Китая (нехватку ученых-новаторов), а также позволяет задействовать его наиболее внушительную силу – воинственно настроенных предпринимателей с их острым чутьем, необходимым для надежного бизнеса. Переход от знаний к данным, в свою очередь, снижает потребность в элитных исследователях, которых не хватает Китаю, и увеличивает ценность другого важного ресурса, который имеется в Китае в изобилии, – данных.

Предприниматели Кремниевой долины заработали репутацию самых неутомимых в Америке: это влюбленные в свое дело молодые новаторы, которые работают днями и ночами, чтобы получить продукт, а затем с одержимостью совершенствуют его, добиваясь новых великих достижений.

Предприниматели там действительно много работают. Но я провел десятилетия, будучи глубоко погруженным в технологическую среду как в Кремниевой долине, так и в Китае. Я работал в Apple, Microsoft и Google, прежде чем запустить десятки китайских стартапов и стать их инвестором. Поэтому имею право смело сказать вам, что по сравнению со своим заокеанским конкурентом Кремниевая долина кажется очень спокойным местом.

Успешные интернет-предприниматели Китая достигли своего нынешнего уровня за счет самой беспощадной конкурентной борьбы. Они живут в мире, где скорость имеет важнейшее значение, копирование является общепринятой практикой и конкуренты не остановятся ни перед чем, чтобы захватить новый рынок. Каждый день на поле битвы между китайскими стартапами – это испытание огнем, гладиаторские бои в Колизее. Здесь идут схватки не на жизнь, а на смерть, и у противников не бывает угрызений совести. Единственный способ выжить в этой битве – постоянно улучшать свой продукт и строить бизнес на основе инновационной модели, окружая его в то же время «защитной стеной». Если ваше преимущество – это одна-единственная идея, то ее непременно скопируют, ваших ключевых сотрудников переманят, и вы останетесь за бортом.

Эта агрессивная среда резко контрастирует с обстановкой в Кремниевой долине, где копирование считается позором, а многим компаниям удается подолгу существовать за счет одной оригинальной идеи или просто по счастливой случайности. Такое отсутствие конкуренции успокаивает и может лишить бдительности, привести к тому, что предприниматели перестанут работать над всеми вариантами своих первых инноваций. Грязные рынки и грязные трюки эпохи «подражательства» в Китае дали жизнь некоторым не совсем порядочным компаниям, однако благодаря им же выросло поколение самых ловких и сообразительных в мире предпринимателей – настоящих трудяг. Эти предприниматели – то самое «секретное оружие» Китая, которое сделает его первой страной, заработавшей на реализации достижений ИИ. Именно они имеют доступ к одному из основных технологических ресурсов Китая – изобилию данных. Китай уже обогнал Соединенные Штаты и вышел на первое место по объему производимых данных. И дело не только в количестве: благодаря уникальному технологическому микроклимату Китая, представляющему собой вселенную продуктов и функций, не виданных нигде, эти данные идеально подходят для построения прибыльных компаний в области ИИ.

Около пяти лет назад еще имело смысл непосредственно сравнивать прогресс китайских и американских интернет-компаний – он напоминал автомобильную гонку. Участники шли почти вровень, Соединенные Штаты немного опережали Китай. Но примерно в 2013 году Китай сделал очень важный поворот. Вместо того чтобы следовать по стопам американцев или копировать их достижения, китайские предприниматели начали разработку уникальных продуктов. Прежде, говоря о продуктах китайских компаний, аналитики использовали аналогии с продуктами Кремниевой долины: «китайский Facebook», «китайский Twitter», – но в последние несколько лет эти ярлыки в большинстве своем стали бессмысленными. Китайский интернет превратился в альтернативную вселенную. Китайцы начали платить за реальные покупки штрих-кодами на своих телефонах – результат революции мобильных платежей. Армии развозчиков еды и массажистов на электрических скутерах наводняют улицы китайских городов. Они – порождение так называемых O2O-стартапов (онлайн для офлайна), внедривших преимущества электронной коммерции в сферу реальных услуг, таких как общественное питание или маникюр. Вскоре после этого появились миллионы ярко окрашенных велосипедов, сдаваемых напрокат: их можно взять или оставить где угодно, воспользовавшись штрих-кодом на своем телефоне.

Все эти услуги, наряду с китайским суперприложением WeChat, дали в руки каждому китайцу своего рода цифровой аналог швейцарского ножа для современной жизни. С помощью WeChat можно отправлять текстовые и голосовые сообщения друзьям, оплачивать счета за продукты, записываться к врачам, сдавать налоговые декларации, брать напрокат велосипеды и покупать билеты на самолет. Приложение превратилось во всеобщую социальную сеть: в разнообразных групповых чатах пользователи ведут деловые переговоры, обсуждают подготовку к дням рождения и беседуют о современном искусстве. WeChat объединил в себе массу функций, которые в США и других странах выполняют отдельные приложения. Альтернативная цифровая вселенная Китая теперь создает и вбирает целые моря новых данных о реальном мире. Это обилие сведений о пользователях – где они находятся в любую секунду дня, как связаны между собой, какая еда им нравится, когда и где они покупают продукты и пиво – окажется бесценным в эпоху внедрения ИИ. В этой сокровищнице будут храниться миллионы ежедневных привычек пользователей, которые можно сочетать с алгоритмами глубокого обучения, чтобы предлагать индивидуальные услуги от бухгалтерского аудита до градостроительного проектирования. Это много больше того, что могут почерпнуть из ваших поисков, «лайков» или случайных покупок в интернете ведущие компании Кремниевой долины. Невиданное изобилие реальных данных даст китайским компаниям огромную фору, когда дело дойдет до появления сервисов на основе ИИ.

Регулировка весов

Благодаря недавним впечатляющим разработкам баланс сил вполне закономерно сместился в сторону Китая. Но и китайское правительство тоже делает для этого все возможное. Его всеобъемлющий план по превращению страны в сверхдержаву ИИ обеспечил широкую поддержку и финансирование исследований в этой области, но эффективнее всего он сработал как ориентир для местных государственных органов, охотно подхвативших инициативу. Китайские структуры управления устроены сложнее, чем полагает большинство американцев; Центральное правительство не просто выпускает указы, которые мгновенно реализуются во всех частях страны. Оно может выбирать определенные долгосрочные цели и привлекать колоссальные ресурсы для их достижения. Наглядный пример тому – молниеносное развитие сети высокоскоростных железных дорог в стране.

Руководители местных органов власти восприняли подъем ИИ как выстрел стартового пистолета. Они устроили настоящую гонку, стараясь привлечь в свои регионы как можно больше компаний, работающих в области ИИ. Приманкой служат льготы и щедрые субсидии.

Эта гонка только начинается, и насколько она повлияет на развитие ИИ Китая, все еще неясно. Но каков бы ни был результат, ситуация уже резко контрастирует с ситуацией в США, где государство не регулирует предпринимательство в области ИИ и активно сокращает финансирование фундаментальных исследований. Учитывая все это, Китай, вероятно, вскоре догонит или даже обгонит Соединенные Штаты в области разработки и внедрения искусственного интеллекта. На мой взгляд, внедрение ИИ приведет к росту производительности в масштабах, не виданных со времен промышленной революции. По оценкам PriceWaterhouseCoopers, к 2030 году внедрение ИИ добавит 15,7 трлн долларов к мировому ВВП[15]15
  Рао А., Вервей Ж. Размеры приза // PwC. URL: https://www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf (27 июня 2017 года).


[Закрыть]. Предполагается, что на Китай придется 7 трлн долларов из этой суммы, что почти вдвое больше, чем 3,7 трлн, которые придутся на долю США. По мере того как экономический баланс сил будет смещаться в сторону Китая, будет расти также его влияние в политике, культуре и идеологии.

Этот новый мировой порядок ИИ встряхнет американцев, привыкших к почти тотальному доминированию в сфере технологий. Ибо, как многие из нас помнят, именно американские технологические компании продвигали свою продукцию и свои ценности во всех уголках мира. В результате и компании, и граждане, и политики забыли, каково это – быть «принимающей стороной» в таких процессах, которые весьма похожи на технологическую колонизацию. Китай не стремится к какой бы то ни было колонизации, но вызванные ИИ сдвиги политического и экономического порядка приведут к серьезным изменениям в странах, переживающих цифровую глобализацию.

Кризисы в реальности

Значение этой игры между двумя сверхдержавами мира, как бы оно ни было велико, меркнет по сравнению с такими последствиями развития ИИ, как безработица и рост неравенства – как внутри стран, так и между ними. Океан глубокого обучения, омывая глобальную экономику, способен стереть с лица земли миллиарды рабочих мест на всех уровнях экономики: бухгалтеры, работники сборочных линий, операторы складов, учетчики складских запасов, контролеры качества, грузоперевозчики, средний юридический персонал и даже рентгенологи – это лишь несколько примеров.

Человеческая цивилизация и в прошлом переживала аналогичные технологические потрясения экономики: так сотни миллионов фермеров в XIX и XX веках превращались в фабричных рабочих. Но ни одно из этих изменений не происходило так быстро, как изменения, вызванные ИИ. Исходя из современных тенденций в области развития и внедрения технологий, я предполагаю, что в течение 15 лет искусственный интеллект, технически, сможет заменить около 40–50 % работников в США. Фактически люди начнут массово терять рабочие места, возможно, на десять лет позже, но я считаю, что дестабилизация рынков труда будет очень значительной и произойдет в ближайшее время.

В тандеме с безработицей будет астрономически расти богатство в руках новых магнатов ИИ. Uber уже является одним из самых дорогих стартапов в мире, даже притом, что около 75 % денег с каждой поездки получает водитель. Можно только представить себе, как возрастет стоимость Uber, если в течение нескольких лет компания заменит каждого водителя-человека на самоуправляемый автомобиль с элементами ИИ. А если бы банки могли заменить всех своих сотрудников, занятых в ипотечном кредитовании, алгоритмами, выдающими кредиты более разумно, по более низким ставкам и без вмешательства человека? Подобные преобразования уже вскоре произойдут и в области грузоперевозок, страхования, производства и розничной торговли.

Дальнейшая концентрация прибыли неизбежна, поскольку экономика, основанная на ИИ, будет естественным образом стремиться к модели «победитель получает все». Сочетание глубокого обучения с доступностью данных способствует формированию замкнутого круга: лучшие продукты и компании будут укреплять свои позиции. Чем больше данных – тем лучше продукты, которые, в свою очередь, привлекают больше потребителей, которые производят еще больше данных, которые позволяют еще больше улучшить продукт. Компания, обладающая данными и финансовыми средствами, также может привлекать самых талантливых специалистов по ИИ, что будет еще сильнее увеличивать разрыв между лидерами отрасли и отстающими.

В прошлом преобладание физических товаров и географические ограничения помогали контролировать доходы внутри потребительских монополий. (Антимонопольное законодательство США влияло на это гораздо меньше.) Но в будущем цифровые товары и услуги продолжат захватывать все большую долю рынков, и использование самоуправляемых грузовиков и дронов резко сократит стоимость доставки физических товаров. Вместо распределения отраслевых прибылей по разным компаниям и регионам мы начнем видеть все большую и большую концентрацию этих астрономических сумм в руках немногих, в то время как очереди безработных станут еще длиннее.