Текст книги "The Question. Будущее"

Как изменилась бы история компьютеров, если бы в IBM 60-х годов попала бы современная флешка на 16 гигабайт?

Андрей Вуколов

преподаватель в МГТУ имени Н. Э. Баумана

Ее бы разобрали, прошлифовали микросхему, определили структуру. Сомневаюсь, что они сразу бы вышли на NAND-конструкцию, она представляет из себя объемную решетку, собранную из множества специальных транзисторов, выводы одних являются, упрощая, электродами других. То есть физическую структуру микросхемы увидели бы, но быстро поняли, что повторить не смогут. И не смогли бы аж до начала 1990-х, так как транзистор, вытравленный в NAND-микросхеме, полевой, а его производство требует очень специфических технологий (например, жидкостной эпитаксии и интарсии раствором арсенида алюминия в жидком галлии при избытке мышьяка, она производится в струе химически чистого водорода высокого давления), которых в 60-е просто еще не существовало. Опять же, тогда не было синих лазеров с высокой когерентностью, нужных для современной прецизионной фотолитографии, ведь эти устройства – сами детище изощренных способов изготовления полупроводниковых структур. Так что структуру бы разгадали, пусть и с трудом, но ни повторить, ни даже толком понять принцип действия – не смогли бы.

Отдельный вопрос – программное обеспечение. Современные микросхемы флеш-памяти отличаются тем, что ячейку в них составляют несколько логических элементов, включенных последовательно. К тому же параметры этих элементов «плавают» со временем, вплоть до выхода ячейки из строя. Все это вынуждает использовать при работе с флешкой микроконтроллер, сопряженный со схемой памяти. Он реализует очень непростые алгоритмы коррекции ошибок, адресации и пометки испорченных ячеек. Прошлифовав микросхему или напрямую из памяти их не добыть и не понять, так как архитектура контроллера отличается от архитектуры обычного процессора и самой схемы NAND. Далее идет протокол обмена данными шины USB, который включает с десяток только стандартных уровней, каждый со своей реализацией. Вытащить такой протокол из микросхемы, не зная распределения и значения импульсов в сигнале, – задача реальная, но очень сложная без продвинутых программ анализа данных и поиска паттернов.

В итоге попавшая в 60-е флешка выглядела бы, на взгляд тогдашних инженеров, почти как инопланетное устройство, сделанное по неизвестной технологии, с почти неограниченными возможностями хранения данных, которые, однако, очень сложно читать и почти невозможно записывать. На развитие IBM это практически не повлияло бы, они продолжили бы заниматься тем, чем занимались на тот момент. Это банально приносило прибыль, а вот реверс-инженерия флешки – нет.

На чем основана работа биокомпьютера?

Матти Лейн

биохимик

Я знаю две модели биокомпьютеров. Более близкая к нам в плане технической реализации основана на вычислениях с помощью белков. Если обобщить, то белки в таком вычислительном чипе двигаются по своеобразному лабиринту. Каждый раз, поворачивая в ту или иную сторону, белки прибавляют к искомому числу или вычитают из него единицу вычисления. Такие процессоры «заточены» скорее под решение задач комбинаторики. Вторая модель (даже скорее метод хранения и реализации информации) основан на ДНК. В последовательности азотистых оснований точно так же, как и генетический код, можно закодировать любую информацию, прочитать ее или хранить долгое время, обеспечив такие условия, при которых величина ошибок в последовательности ДНК (мутаций) будет минимальна.

Как компьютер выбирает случайное число?

Андрей Ларионов

программист

Это серьезная задача в программировании. Случайные числа принципиально важны для шифрования, генерации паролей и в научных экспериментах.

Подлинно случайное число никаким алгоритмом получить невозможно, хотя существуют более или менее удачные алгоритмы. Их уязвимости – периодичность появления одних и тех же чисел, зависимость друг от друга последовательных чисел, неравномерность распределения, обратимость.

Для получения случайного числа наиболее распространенный метод – обращение к внешнему источнику. Таковым чаще всего выступает счетчик тактов процессора. Некоторые программы отслеживают движения мышки и тому подобное.

Зачем нужен ГОСТ для роботов?

Илья Лаверычев

ООО «Специальное конструкторско-технологическое бюро прикладной робототехники», заместитель директора

Наша организация давно про это говорила. Роботов сейчас много кто делает, от крупных заводов до стартапов. Каждый разработчик конструирует технику, исходя из своего видения. Но для себя, для дома, для выставки ты можешь делать, как угодно, а вот когда речь идет о технике специального назначения – для атомной энергетики, химического производства, для армии и так далее, – есть свои внутренние стандарты.

При этом разработчик должен четко знать, в каких областях какие компоненты он может использовать. Должна быть единая классификация – к примеру, роботы могут делиться на легкие, сверхлегкие, тяжелые, сверхтяжелые, – и без стандарта даже я, разработчик, понятия не имею, к какому классу относится моя разработка.

Также без стандарта не решить вопросы совместимости. К примеру, купил я робота и хочу оснастить его дополнительным оборудованием. Но у этого разработчика такого оборудования нет, я обращаюсь к другому. При этом интерфейсы, скорее всего, будут несовместимы, программное обеспечение несовместимо. Если же будет единый ГОСТ, в рамках которого все будут работать, я, как потребитель, смогу брать один компонент у одного поставщика, другой у другого и все это будет нормально работать друг с другом.

Как нейросети изменят мир через 5 лет?

Антон Кудинов

студент факультета компьютерных наук НИУ ВШЭ

В такой динамично развивающейся области очень сложно давать прогнозы на будущее даже на такой короткий срок, но все же некоторые тенденции прослеживаются. Например, совершенно точно продолжатся разработки различных автопилотов: от беспилотных мультикоптеров (дронов) до автомобилей. Вряд ли за 5 лет удастся создать полноценный автопилот, которому действительно можно будет доверить жизнь человека, однако за это время человечество точно придет к реализации этой идеи.

Все больше аналитики будет доверено различным системам машинного обучения, в том числе и нейросетям. Также сейчас активно развивается направление обработки естественного языка, что должно привести к совершенствованию различных диалоговых систем (от ботов-консультантов на различных сайтах до Cortana и Siri).

А серьезных изменений в жизни мы, вероятнее всего, не заметим. Во всяком случае, за такой короткий срок.

Как создать свою собственную нейросеть?

Павел Гаврилов

специалист по программированию, машинному обучению, анализу данных, статистике, теории вероятностей

Правильная постановка вопроса должна быть такой: как натренировать свою собственную нейросеть? Писать сеть самому не нужно, нужно взять какую-то из готовых реализаций, которых есть множество, предыдущие авторы давали ссылки. Но сама по себе эта реализация подобна компьютеру, в который не закачали никаких программ. Для того чтобы сеть решала вашу задачу, ее нужно научить.

И тут возникает, собственно, самое важное, что вам для этого потребуется, – данные. Много примеров задач, которые будут подаваться на вход нейросети, и правильные ответы на эти задачи. Нейросеть будет на этом учиться самостоятельно давать эти правильные ответы.

И вот тут возникает куча деталей и нюансов, которые нужно знать и понимать, чтобы это все имело шанс дать приемлемый результат. Осветить их все здесь нереально, поэтому просто перечислю некоторые пункты. Во-первых, объем данных. Это очень важный момент. Крупные компании, деятельность которых связана с машинным обучением, обычно содержат специальные отделы и штат сотрудников, занимающихся только сбором и обработкой данных для обучения нейросетей. Нередко данные приходится покупать, и вся эта деятельность выливается в заметную статью расходов. Во-вторых, представление данных. Если каждый объект в вашей задаче представлен относительно небольшим числом числовых параметров, то есть шанс, что их можно прямо в таком сыром виде дать нейросети и получить приемлемый результат на выходе. Но если объекты сложные (картинки, звук, объекты переменной размерности), то, скорее всего, придется потратить время и силы на выделение из них содержательных для решаемой задачи признаков. Одно только это может занять очень много времени и иметь гораздо большее влияние на итоговый результат, чем даже вид и архитектура выбранной для использования нейросети.

Нередки случаи, когда реальные данные оказываются слишком сырыми и непригодными для использования без предварительной обработки: содержат пропуски, шумы, противоречия и ошибки.

Данные должны быть собраны тоже не абы как, а грамотно и продуманно. Иначе обученная сеть может вести себя странно и даже решать совсем не ту задачу, которую предполагал автор.

Также нужно представлять себе, как грамотно организовать процесс обучения, чтобы сеть не оказалась переученной. Сложность сети нужно выбирать исходя из размерности данных и их количества. Часть данных нужно отложить для теста и при обучении не использовать, чтобы оценить реальное качество работы. Иногда различным объектам из обучающего множества нужно приписать различный вес. Иногда эти веса полезно варьировать в процессе обучения. Иногда полезно начинать обучение на части данных, а по мере обучения добавлять оставшиеся данные. В общем, это можно сравнить с кулинарией: у каждой хозяйки свои приемы готовки даже одинаковых блюд.

Отберут ли роботы работу у людей?

Сергей Мельничук

инженер образовательного проекта «Корпорации Роботов»

Они уже это делают. С одной стороны, они отбирают работу у человека, а с другой – ими управляют люди и, получается, они создают для людей, которые их обслуживают, рабочие места. То есть, благодаря роботам, рабочий процесс скорее становится более эффективным, так что правильнее сказать, что они не отбирают работу у человека, а сотрудничают с ним.

Если посмотреть на этот вопрос в историческом аспекте, мы увидим, как в процессе эволюции менялись орудия труда. Вспомнить хотя бы промышленную революцию XVIII–XIX веков, когда аграрное общество сменялось индустриальным. Машинный труд заменял человеческий, и люди, не способные к освоению новых средств производства, оставались без работы. Другие, способные к обучению, перебирались в города и принимали новую систему существования. Однако тогда машины были скорее механизмами и требовали управления людьми. Сегодня роботы не механизмы, но алгоритмы. Технологии эволюционировали, появляются роботы, которые могут выполнять более сложный набор функций. Например, российскими учеными по заказу Роскосмоса был создан робот-космонавт, который был призван снизить риски жизни людей, работающих на МКС и в открытом космосе. Робот выполняет рутинную работу, от которой, в отличие от человека, он никогда не устает.

Однако так или иначе каждый робот создается и существует на основе программы, заложенной людьми. Каким бы умным и человекоподобным ни казался робот, он никогда не сможет повторить чувства людей и стать креативным. Именно поэтому робот не сможет заменить человека творческой и интеллектуальной профессии, он не способен создавать новое – в этом его главное отличие от человека. Важно помнить, что с приходом машин на место человека появлялись абсолютно новые профессии. Главное – уметь приспособиться к веянию нового времени и прогресса, который уже не остановить.

Учитываются ли законы робототехники Азимова при проектировании и производстве современных роботов?

Павел Гаврилов

системный администратор

Законы робототехники Азимова написаны для разумных роботов. Для роботов, обладающих самосознанием, оценивающих свои поступки и поступки окружающих, в том числе оценивающих их с моральной точки зрения.

Современные роботы не являются разумными, они настолько же далеки от понятия разумности, как станок с ЧПУ. Либо они созданы, для того чтобы повторять одну-единственную задачу, либо они вообще управляются человеком вручную при помощи дистанционного управления.

Максимум, чего удалось ученым достичь в экспериментальных моделях, не выходящих пока за пределы лабораторий, – это научить роботов с грехом пополам распознавать зрительные образы. Например, отбивать летящий к ним белый шарик для пинг-понга на черном фоне. Оценка поступков, предсказание последствий и уж тем более моральная их оценка – понятия, бесконечно далекие от нынешней робототехники.

Чтобы создать разумных роботов, надо создать некое функциональное подобие человеческого мозга. А для этого надо понимать, как человеческий мозг функционирует.

И хотя за последние двадцать лет человечество узнало об устройстве мозга больше, чем за всю предыдущую историю, неизученного остается пока больше, чем изученного. А без этого понимания разумных роботов не создать. И пока невозможно даже оценить масштаб предстоящей работы.

Как можно применить нейронные сети в банковской сфере?

Кирилл Меньшов

вице-президент, директор по информационным технологиям, Банк «Открытие»

Мы видим текущий фокус применения нейросетей (алгоритма, который фильтрует информацию, анализирует ее и постоянно обучается) не в сфере кредитования, как это принято считать, а в оптимизации и дигитализации, потому что кредитование вряд ли в ближайшее время будет сильно развиваться в силу макроэкономической обстановки. (Сейчас не ожидается бума кэш-кредитования).

Сейчас в области кредитования в части автоматизированных риск-стратегий используется в основном регрессионный анализ. Потенциально его можно заменить на нейронные сети и ИИ (искусственный интеллект).

Как нейронная сеть могла бы работать в принятии решений по кредитам? Вы обучаете нейронные сети на большом количестве примеров, потом подаете на вход новые данные в том же формате и получаете результат, который не могли заранее запрограммировать. Допустим, вам нужно принять решение по заемщику: дать ему кредит или не дать. Вы структурируете набор параметров этого заемщика (возраст, стаж, наличие просроченных кредитов и многие другие характеристики), а потом выгружаете примеры: каким заемщикам какие кредиты предоставлялись и как они платили. Так вы получаете большой массив информации из примеров плохих и хороших заемщиков. Задаете 100 тысяч таких примеров сети: нейронная сеть обучается на 100 тысячах примеров. Когда вы заводите нового клиента с такими же параметрами, она вам предсказывает, будет он хорошим или плохим на основе предыдущего опыта.

Мы же используем не такой механизм, а математические модели, которые также способны предсказать, будет ли человек плохим или хорошим заемщиком. Можно сказать, что такие модели обучаются на основе опыта банков алгоритмами регрессионного анализа.

Сейчас мы экспериментируем с искусственным интеллектом, но пока далеко не продвинулись: не достигли более высокой точности предсказания результата, чем тот, что мы достигаем регрессионными путями. Как только эта технология станет эффективнее, мы будем использовать ее, а пока работаем над этим.

Главными направлениями в применении нейросетей в банковской сфере для нас являются оптимизация и диджитализация. Существует масса действий и операций, которые пока что выполняются вручную и при этом с трудом поддаются алгоритмизации. Автоматизация таких операций возможна как раз через замену заранее созданного алгоритма на машинное обучение.

Как это работает? Есть банк с определенным количеством людей и компьютеров. Компьютеры выполняют работу вместо людей. Постепенно мы автоматизируем все процессы, и людям остается все меньше и меньше работы, но за счет появления новых продуктов инноваций работа все равно остается. Основной вектор развития – это применение практик искусственного интеллекта в тех областях, которые до этого не поддавались алгоритмической автоматизации. Например, такой процесс, как открытие счета. При открытии счета работают сотрудники – верификаторы по процессу верифицирования документов, которые подаются для открытия счета для юридического лица. Необходимо выполнить кросс-чек реквизитов, чтобы исключить потенциальное мошенничество и ошибки. Сейчас практически во всех банках эти действия выполняют люди, потому что алгоритмов, которые могут разобрать неструктурированные документы произвольного формата, учесть абсолютно все параметры и полностью их автоматически сверить без человека, не существует. Это большая функциональность банка, и достаточно много людей этим занимаются. Алгоритм искусственного интеллекта позволяет этот участок частично автоматизировать, тем самым, с одной стороны, сократить издержки банка, а с другой – существенно ускорить.

Конечно, технологии, которая уверенно распознает все тексты, пока нет. Наши текущие эксперименты позволяют разобрать тексты с точностью до 60 % неструктурированного текста. Выглядит это таким образом: 60 % информации поднимается автоматически нейронными сетями из документов, и есть человек, который поднимает остальные 40 % данных. Например, адрес прописки очень часто бывает написан ручкой в штампе и очень плохо распознается текущим алгоритмом. Мне кажется, это закономерно: технологии в полной мере не должны заменить человека в банковской сфере. Наш опыт показывает, что такая автоматизация пока имеет определенный предел.

Гаджеты

Возможно ли в будущем появление на IT-рынке новых игроков масштаба Google или существующие гиганты будут подминать под себя все новые технологии?

Евгений Казаков

инженер-тестировщик

Конечно, возможно. IT – очень интересная сфера, невероятно гибкая, стоимость входа в этот рынок может быть ценой в зарплату одного человека, компания в десятки человек оценивается в сотни миллионов и миллиарды. Знания и смекалка становятся рычагом, который может очень малыми ресурсами перевернуть целую область рынка. Все ли помнят, как скептически относились к айфону, только смелые говорили, что это узкий нишевой продукт, который будет популярен у приверженцев марки? И как они снесли буквально в кювет Нокию – лидера многомиллиардного рынка. А где гигант Microsoft с его MSN? Нигде, до покупки Skype. И даже при наличии в мире Skype зачем-то же нужен людям WhatsApp? Люди только нащупываю ту массу возможностей, которую дают современные технологии. Когда сформулировать вопрос становится сложнее и важнее, чем получить ответ. Когда кинуть ссылку быстрее, чем объяснить новость. Когда люди привыкают к возможности работать, делать результат, не видя друг друга ни разу в жизни, и фактически мыслят как один коллектив, то Google – это цветочки. На нашем веку урожая будет предостаточно.

Какие смартфоны будут в 2025 году?

Олег Капранов

главный редактор журнала «Мир ПК»/DGL.ru

Футуризм – штука очень неблагодарная. Мы мыслим категориями сегодняшнего дня и строим видение будущего, исходя из них. Я очень люблю такой пример. Фантастический фильм «Звездные войны» 1977 года выпуска: люди (и не только) путешествуют по галактикам, стреляют из бластеров, воюют световыми мечами. И используют механические кнопки. Мы не летаем между галактиками, у нас нет бластеров и световых мечей, но механические кнопки стали анахронизмом.

Более того, никто не мог представить, когда Apple выпустила айфон (первый массовый девайс с сенсорным экраном), что мы увидим сенсорные панели в холодильниках и в качестве основного элемента управления автомобиля.

Мы говорим о смартфонах в 2025 году просто потому, что никто еще не придумал, как это можно сделать иначе. А может, уже и придумал. А может, ничего в этой области и не изменится.

В данный момент ключевой момент в развитии технологий – это элементы питания. Если удастся сделать более энергоемкие батареи, это изменит все. В том числе и смартфоны.

Что смогут делать дроны в будущем?

Николай Ким

профессор факультета «Робототехнические и интеллектуальные системы» МАИ

В настоящее время главные функции беспилотных летательных аппаратов (БПЛА) – мониторинг, разведка. Например, поиск пожаров, транспортных средств, противника, оценка последствий катастроф. Поиск ведется по заранее заданному маршруту или с помощью дистанционного радиоуправления БПЛА оператором.

Второе быстро развивающееся направление – доставка БПЛА грузов. Это могут быть военные грузы, например бомбы и ракеты, или гражданские, например почтовые грузы, спасательные средства для терпящих бедствия и так далее.

Выполняемые БПЛА функции ограничиваются сложными и нерешенными вопросами: поведением БПЛА в соответствии с правилами морали, способностью БПЛА принимать самостоятельные решения в изменяемых условиях функционирования, а также рядом правовых вопросов: ответственностью производителей, владельцев или пользователей БПЛА за последствия их деятельности.

Первое ограничение связано с тем, что многие решения принимаются человеком с учетом норм этики (нравственности, морали), понятий добра и зла, вреда и пользы, ценности человеческой жизни. Если робот в каких-то ситуациях, например боевых, принимает решения, не соответствующие этим нормам, то очевидно, что здесь решения должен принимать человек. Как научить робота действовать в соответствии с человеческими этическими правилами, пока мы не знаем. Проблема создания нравственного робота, возможно, в перспективе будет решена, но такой уверенности нет.

Следующее ограничение в деятельности робота определяется его неумением оценивать различные ситуации. При оценке сложных ситуаций человек использует свой жизненный опыт, ассоциативные связи, косвенные признаки прошедших или предстоящих событий, распознает объекты и оценивает связи между ними. Человек мысленно создает или реконструирует модели мира, анализирует, оценивает и прогнозирует. Все эти процессы позволяют с максимальной точностью оценивать (понимать) самые различные ситуации, на основе чего человек может выбрать наилучшие решения для достижения поставленных целей. Искусственный интеллект робота, компьютерные системы распознавания находятся пока в стадии развития и не могут сравниться с человеком в решении подобных задач. Поэтому можно ожидать, что в ближайшее время роботам, в частности БПЛА, будет доверено самостоятельно решать только узкий круг хорошо определенных задач.

Последнее ограничение касается правовых вопросов. Вот простой пример. Что будет, если по вине робота-водителя произошло ДТП. Очевидно, что робота судить нельзя, тогда кого? Производителя? Владельца? Пользователя? В ближайшие годы роботы будут применяться во многих областях нашей жизни, но до этого должны быть приняты законы, регламентирующие их деятельность и предусматривающие все возможные последствия действий роботов, их пользователей и владельцев.