Текст книги "Baidu. Как китайский поисковик с помощью искусственного интеллекта обыграл Google"

Бизнес-вызов: приземление

Однажды Лу Цзичанг сказал: «Голову держи над облаками, но ногами стой на земле». Это значит, что вы должны держать голову выше, чтобы видеть далеко и ясно, но ноги должны ступать по земле, чтобы шаг за шагом двигаться вперед.

Первое, что мы должны сделать, чтобы дать искусственному интеллекту жизнь, – приземлиться. ИИ сулит нам очень большие и долгие изменения. Для приземления потребуется хороший пользовательский опыт получения реальной выгоды. Также потребуется понятный сценарий – интеллектуальный помощник или беспилотный автомобиль должны иметь достаточно информации о людях, чтобы иметь для них ценность. И, наконец, нужна эффективная бизнес-модель, чтобы добиться устойчивости.

Таким образом, задача заключается в том, чтобы преобразовать пользовательский опыт в пользовательскую ценность, а затем подобрать бизнес-модель для создания инновационного цикла: данные – знание – опыт – новые данные. Попав в такой цикл, ИИ сможет продвигаться вперед стремительно, как снежный ком.

Рис. 2-2. Инновационный «маховик» искусственного интеллекта

Генеральный директор (CEO) каждой компании должен обратить внимание на искусственный интеллект. Затем необходимо найти ресурсы, в том числе нанять тех людей, которые действительно разбираются в ИИ, и тех, которые могут взять на себя ответственность за принятие решений. Компаниям, будь то розничная торговля, обрабатывающая промышленность или туризм, следует разработать собственную интеллектуальную стратегию в соответствии с их бизнес-целями, а затем твердо ей следовать. При этом у исполнителей должны быть достаточные полномочия, чтобы посредством стратегического их разделения внедрять ИИ в конкретные операции.

Модель «рабочего двигателя» может использоваться для реализации стратегии ИИ.

Во-первых, в соответствии с направлением развития искусственного интеллекта следует переосмыслить позиционирование предприятия – ориентируясь на свои бизнес-цели, выбрать новое направление развития, определить новую миссию и видение в эпоху ИИ.

Во-вторых, в соответствии с новым позиционированием предприятия разработать интеллектуальную стратегию. Это возлагает на руководство компании большую ответственность. Оно должно четко понимать, «что входит» в сферу, а «что выходит», чтобы принимать эффективные решения.

При принятии решений о «входе/выходе» следует придерживаться определенных принципов. Иерархическая структура принятия решения консультанта Кремниевой долины Джеффри Мура (Jeffrey Moore) – хороший пример оценки развития искусственного интеллекта. Суть в том, чтобы войти в сферу с высоким ростом и выйти из сферы с низким. Искусственный интеллект будет постоянно создавать новые сферы с огромным потенциалом роста, такие как беспилотные автомобили, роботы, умные устройства, диалоговые системы. Но в то же время он может и чинить препятствия для некоторых отраслей. Новые продукты с функциями ИИ заменят уже имеющиеся. Новые аппаратные средства и программные стеки нанесут ущерб старым стекам HW. Хорошей идеей будет составить полный список сфер и категорий высокого роста, возможного роста и низкого. Так руководство сможет принимать систематические и взвешенные решения.

Далее следует определить исходные данные продукта. Является ли он «ценным и уникальным»? Стоит отметить, что в эпоху ИИ успех продукта будет во многом зависеть от способности компании сохранять свою индивидуальность. Только так возможно получить уникальные активы данных (приносящие уникальные знания).

Следующий шаг – понимание неопределенности, риска, прибыли и графика для прогнозирования и управления. «Модель горизонта» – оптимальное решение. Примерный план развития: период H1 (следующие 18 месяцев) – упор делается на основное направление бизнеса; период H2 (следующие 18-36 месяцев) – инвестирует в создание прибыльной инновации; период H3 (следующие 36 месяцев+) – ставки делаются на долгосрочные инновации, которые имеют большой потенциал и высокий риск. Эра искусственного интеллекта предлагает широкий ассортимент возможностей для периодов H2 и H3. А некоторые из инвестиций в ИИ могут помочь увеличить прибыль и от периода H1. Сейчас искусственный интеллект находится на ранней стадии своего развития, что порождает множество неизвестных. Для того, чтобы глубже понять ИИ, важно принимать принципиальные и прагматические решения.

Во-первых, на этапе реализации стратегии внедрения ИИ предприятию следует придерживаться принципа «структурной целостности» в опыте продукта, технологической архитектуре и бизнес-модели. Необходимо развиваться последовательно. Если вы меняете направление ICS (архитектура сервера/клиента) или инвестируете в «автономную систему», технологические решения должны быть синхронизированы с продуктами и бизнес-решениями.

Во-вторых, важно, чтобы предприятия, использующие ИИ, следовали за направлением развития технологии глубокого обучения. Синхронизация имеет большое значение.

Ведущие компании индустрии испытывают потребность в изменении мира, стремятся сформировать мировоззрение мирового технологического общества. Они собирают сильные научно-исследовательские группы и проводят масштабные исследования. Их цели соответствуют позиционированию компаний и совершенствованию их продуктов. DeepMind, Google, Baidu и некоторые другие гиганты отрасли разделяют эту позицию.

Обновление исследовательских механизмов также является важным шагом на пути развития. Ведь традиционно ИТ-индустрия и наука не очень успешны в коммерциализации результатов исследований. Недавние OtherLab или OpenAI и некоторые другие стартапы искусственного интеллекта активно набирают собственные исследовательские команды. И это превращается в тенденцию. Потому что для разработки структурированных и устойчивых решений требуются усилия различных организаций (ранние экосистемы, крупные предприятия, учебные и научно-исследовательские учреждения).

Инвестиции являются важным фактором, который необходимо учитывать. С углублением интеллектуальной революции, ожесточается борьба за таланты. Это приводит к росту стоимости искусственного интеллекта. Некоторые стартапы привлекают внушительные суммы денег, потому что в долгосрочной перспективе отдача от инвестиций может быть очень велика (высокий риск/высокая отдача). Ключ к планированию инвестиций заключается в приоритезации ресурсов и продуманном процессе принятия решений, отражающем риски, связанные с искусственным интеллектом.

После того, как все необходимые условия сойдутся, лидерские качества человека станут решающим фактором, ценнейшим и перспективнейшим. Эпоха ИИ базируется на технологии, которая абсолютно не похожа на предыдущую (в качестве ядра выступают нейронные вычисления). Поэтому она требует от руководства высокого внимания и ответственности. Кроме того, новые отрасли в сфере ИИ настолько разнообразны и междисциплинарны (все, что вы можете себе представить от генетики до робототехники), что компаниям требуются люди, способные работать с инновациями (найти их непросто, потому что сегодняшнее общество сосредоточено на развитии узкоспециализированных отраслей). Билл Бакстон, главный научный сотрудник Microsoft Research, предлагает эффективные решения для создания новаторской команды высшего руководства.

Стоит напомнить, что в основе инновационного «маховика» ИИ лежит цикл обратной связи: данные – знания – опыт – новые данные. Оптимизация емкости и скорости этого цикла обратной связи является важной составляющей планирования.

Необходимая макросреда

Предприятия и научно-исследовательские институты не могут работать без хорошей макросреды. Национальный китайский интеллектуальный план призывает к созданию интеллектуальной инфраструктуры на уровне страны. Ведь чтобы встретить эру искусственного интеллекта, необходимо создать надлежащую почву.

Во-первых, необходимо обеспечить беспрепятственный доступ к данным. Данные становятся стратегическим активом для многих организаций и могут рассматриваться как новый тип «природных ресурсов». Для правительств, в частности, данные могут быть полезны в процессе разработки стратегии политического управления. Это может послужить стимулом для более широкого внедрения инноваций.

Во-вторых, нужны инструменты и платформы с открытым исходным кодом. Эра искусственного интеллекта требует нового стека программного обеспечения Silicon+. При этом важно, чтобы инструменты и платформы с открытым исходным кодом, такие как PaddlePaddle, были доступны и разработчикам, и новаторам. Глядя в будущее, мы должны постоянно снижать степень участия человека в процессах и передавать задачи инструментам и модулям. Например, AWS (Amazon Cloud Service) делает проще вычисления, а некоторые AI-as-a-service (AI-Service) делают технологии ИИ более доступными.

В-третьих, новаторы должны быстро создавать рыночные и политические условия для своих продуктов и пользователей. Это также очень важно. Потому что инновационный «маховик» ИИ требует быстрого цикла обратной связи.

В-четвертых, в начале эпохи искусственного интеллекта поощряются непрерывные прикладные исследования. В частности, разработка ML-алгоритма (машинного обучения), который может получать знания из данных и создавать опыт – ядро инновационного «маховика». На данном этапе развития ИИ непрерывные исследования – важная составляющая деятельности для всех предприятий этой сферы.

В-пятых, следует озаботиться образованием. Требования ИИ к человечеству неизбежно приведут к проблеме нехватки талантов. Образование должно стать обширнее и качественнее для того, чтобы для проектирования и реализации алгоритмов машинного обучения хватало человеческого ресурса.

Наконец, должен быть сформирован новый структурированный подход, превращающий знания внешнего мира в организованный и доступный материал. Это имеет решающее значение для внедрения инноваций ИИ во многие компании и сферы жизни.

Культура и управление интеллектуальным обществом

Потребуются десятилетия, чтобы искусственный интеллект начал полноценно функционировать. Амбиции и претензии на изменения мира требуют долгосрочного инвестирования. Поэтому долгосрочное планирование и стратегическое управление играют важную роль в эпоху искусственного интеллекта. Нас ожидает трансформация культуры бизнеса и управления во всем мире.

В частности, это требует, чтобы руководство устанавливало более крупный «лицензионный пакет». Он позволит руководящей группе иметь больше свободы и возможностей делать ставки на инновации. Это важный аспект ежегодного управления. Маск говорил, что «инновация, потерпевшая неудачу, не должна быть наказана».

От компаний, пострадавших от ИИ, потребуется обновление всей организации, чтобы влиться в обновленный мировой ландшафт. Высшее руководство должно жестко держать руку на пульсе и управлять процессами трансформации.

Одним из факторов, связанных с долгосрочным менеджментом, является создание новой организационной структуры, которая будет достаточно зрелой, чтобы легко адаптироваться к изменениям, вызванным искусственным интеллектом. Alphabet (Управляющая компания Google после реорганизации) – одна из самых ранних попыток. В этом отношении китайские компании внедряют больше управленческих инноваций, чем США.

Культура – это сила организации, которая может выйти за рамки нескольких поколений лидеров и деловой активности. Для многих зрелых компаний (Google, Baidu) доступ к возможностям искусственного интеллекта представляет собой серьезную проблему: потребность в новых талантах, новых патентах на технологии и создании новой культуры. Очень важно быть активными, терпеливыми и настойчивыми, поскольку культурная трансформация является одной из самых сложных задач для зрелого предприятия. Кроме того, забыть о старых методах работы гораздо сложнее, чем внедрить новые.

Так как мы находимся на начальной стадии развития искусственного интеллекта, привлечение и поддержание специалистов очень важно для управленцев.

В целом, долгосрочное планирование и стратегическое управление являются ключом к использованию любой важной возможности не только в эпоху ИИ. Как изменить существующую инфраструктуру, чтобы привлечь больше денег, талантов и добиться больших результатов – интересная и сложная задача для лидеров бизнеса. Решение глубоких, интересных и сложных проблем является признаком прогресса человечества.

Современное состояние развития технологий ИИ

Статьи на темы искусственного интеллекта, глубокого обучения и новых исследований выходят каждый день. Сегодня, как в эпоху Возрождения, наука меняется на глазах. Ведь истинный смысл науки заключается в том, чтобы наблюдать за миром и обобщать знания. Мы наблюдаем, как мир становится все более компетентным. Мы используем алгоритм глубокого обучения, и появляются новые знания.

Это не только физика, биология, материаловедение… Каждая область науки отчаянно быстро движется вперед. Таким образом, человечество находится в состоянии быстрого прогресса. Давайте в конце этой главы снова обратим внимание на квантовые вычисления.

Отметим очень интересную связь между искусственным интеллектом и нейро-вычислительными структурами, использующими распределенное векторное представление слов. Их основные операции основываются на линейной алгебре, а не булевой. Это говорит о том, что человеческий мозг в чем-то схож с физикой. Даже ученые предполагают, что человеческий мозг работает по принципу, аналогичному квантовой физике, теори и алгоритму квантовых вычислений.

Квантовые вычисления имеют важное значение в сфере искусственного интеллекта. Microsoft и Google, например, создали лабораторию квантового ИИ и ведут активную разработку проектов в этой области. Вопрос об уместности квантовых вычислений в ИИ не должен рассматриваться совсем. А вот вопрос о том, когда квантовые вычисления станут частью искусственного разума, уместен. Существуют разные мнения на это счет. Некоторые отмечают промежуток времени до 5 лет или даже меньше до того момента, как появятся ранние квантовые машины.

Почему квантовые вычисления так важны? Потому что они тесно соприкасаются с человеческим интеллектом. В основе квантовых вычислений лежит квантовая суперпозиция. Квантовая способность изменяет состояние при добавлении энергии. Современный компьютер может занимать только одну позицию – цифру 0 или 1. В то время как квантовые суперпозиции могут занимать три позиции одновременно. А их вычислительная мощность растет экспоненциально.

Преимущество в том, что многие проблемы с данными могут быть решены с помощью квантовых вычислений. Предыдущий подход – это разложение чисел. Например, шифрование и дешифрование данных, декомпозиция с использованием простых чисел. Довольно трудно получить большое число при разложении простых. Например, вычислить разрушение Земли таким образом практически невозможно. Но с помощью квантового алгоритма вычислений это станет не только возможным, но и относительно быстрым процессом. Этот алгоритм сделает машинное обучение вполне естественным.

В связи с этим необходимо усовершенствовать аппаратное обеспечение. В настоящее время все аппаратные средства базируются на булевой алгебре, а основные вычисления глубинного обучения обеспечиваются матричными и тензорными расчетами, а не вычислениями 0 и 1. И они должны выполнять дифференциальные операции. Квантовые вычисления идентичны, и каждый раз, когда квантовая энергия изменяется, образуется вычислительная связь между матрицей и тензором. Природа этих вычислений на самом деле та же самая, что и в человеческом мозге. Мэтью Фишер, Пан Цзяньвэй, Чжу Цин Чжи и другие ученые считают, что суть сознания – это квантовая запутанность.

В 2007 году журнал Nature опубликовал результаты лабораторных исследований, которые проводились под руководством Грэма Флеминга в Калифорнийском университете в Беркли. В ходе исследования лазеры сверхкоротких импульсов были применены для облучения светособирающих комплексов. Это помогло установить, что квантовые эффекты играют незаменимую роль в фоточувствительном синтезе. Революция в области квантовых вычислений – это доказательство единения природы и человеческого интеллекта. Открытие влияния квантовых эффектов на живые организмы в значительной степени вдохновило человечество на новые исследования квантовых вычислений и человеко-машинных комбинаций.

Несмотря на то, что квантовый компьютер еще не создан, многие люди уже предполагают найти ему применение в сфере машинного обучения. В этой области уже существует множество передовых статей и исследований. Предположительно через 10 лет после появления квантового компьютера это приведет к фундаментальному изменению в индустрии искусственного интеллекта. Квантовые вычисления ИИ и глубокие вычисления ядра обучения полностью совпадают. Теперь мы идем в обход: любой алгоритм должен превращаться в булевую алгебру, используя 0 и 1 для моделирования дифференциального уравнения.

Квантовые вычисления и ДНК (дезоксирибонуклеиновая кислота) вычисляют масштаб и энергию, которая будет намного выше, чем сегодняшние кремниевые вычислительные мощности. По мере развития инженерных технологий у нас появится новый опыт вычислений (например, квантовой химии и квантовых материалов).

Область применения квантовых вычислений невероятно обширна. Например, процесс выращивания растений можно будет вычислить, используя информацию, полученную в эксперименте с фотосинтезом. Посевы можно будет рассчитать и спрогнозировать с помощью компьютера. Таким образом, квантовые вычисления могут стать толчком к изменениям всего общества. Они, вероятно, приведут человеческую цивилизацию к полной оцифровке.

Короче говоря, квантовые вычисления – это не метафизика. Это уже знакомый нам постулат «знай больше, делай больше, испытывай больше», который станет основным законом человеческого прогресса будущего. Какой бы богатой ни была наша фантазия, мы не сможем представить себе последствия внедрения квантовых вычислений в повседневную жизнь. Все-таки мы должны продолжать твердо стоять на земле. 30 лет назад Лу Цзи описал «жемчужину на короне компьютерной науки» в памятном альбоме и отметил, что наше поколение не сможет этого достичь. Последующие поколения продолжают работать, чтобы однажды реализовать «великую» и неизменную человеческую мечту.

Раздел 3. Превращение из куколки в бабочку: ИИ, массивы данных и глубокое обучение

Серпантин истории

О чем мы говорим, когда говорим о данных?

В представлении большинства людей слово «данные» – это ежемесячные цифры на счетах за воду, электричество, уголь или индекс красного и зеленого цвета на графике акций, а также исходный код, который не может быть прочитан множеством компьютерных файлов.

Данные в глазах искусственного интеллекта имеют более широкое значение. С развитием человеческой цивилизации данные продолжают меняться. Сначала были звуки, тексты, рисунки и цифры. В эпоху интернета и электроники они трансформировались в изображения, аудио, видео, щелчки мыши, скольжение пальца по мобильным устройствам. Теперь мы можем добавить к этому сердцебиение и дыхание и даже людей в экономическом производстве. Вся работа и движения были интегрированы в ПОТОК ДАННЫХ.

Сегодня, будь то гравитация или сложная молекула ДНК, человечество может превращать и грандиозные, и крошечные вещи в записи данных. Они стали неотъемлемой частью нашей жизни. Биологи полагают, что половина человеческих тканей состоит из микроорганизмов. А мы можем сказать, что в цифровую эпоху половина жизни состоит из данных.

История развивается по спирали. Давайте вернемся в прошлое. Задолго до зарождения искусственного интеллекта человечество активно практиковало изучение, вычисление и использование данных.

Более пяти тысяч лет назад древние египтяне с помощью наблюдений суммировали астрологические сведения: каждый год, когда на восточном горизонте рано утром появляется звезда Сириус, река Нил начинает выходить из берегов. На этом знании они выявили цикл, определив солнечный календарь на 365 дней в году, и разработали план ведения сельского хозяйства. У далекого Сириуса нет причинно-следственной связи с Землей. Но он появляется в определенном месте, когда Земля совершает один оборот. Он, в свою очередь, является предшественником корреляционных вычислений в эпоху больших данных.

Более четырех тысяч лет назад на сегодняшних британских землях появился Стоунхендж – большой круг из камней, вес каждого из которых составляет около 50 тонн. Это оригинальные часы. Во время летнего солнцестояния первые солнечные лучи каждое утро проходили по главной оси. Последний луч зимнего солнцестояния проходил через Каменные ворота. Для того, чтобы разжечь огонь измерения данных, древние использовали громоздкие каменные приборы. Так же как и китайские солнечные часы, это самый ранний пример визуализации данных.

Более двух тысяч лет назад Птолемей изучал движение Земли. Он сформулировал три основных закона, которые заложили основу для астрономии. И хотя его подход был неверен, по крайней мере он мыслил в верном направлении. Изначально он полагал, что небесное тело движется по круговой траектории. Но на самом деле она была эллиптической. Чтобы сымитировать фактическую кривую движения небесных тел, Птолемей решил использовать движение по кругу. Он протестировал до 40 возможных вариантов кругов, эквивалентных множеству функций кругового движения, чтобы достичь необходимого результата. Это была самая ранняя попытка реализации функции подгонки.

Что такое функция подгонки? Множество данных мы можем представить, как точки, распределенные по одной системе координат. Что нужно сделать, чтобы найти функцию, благодаря которой можно пересечь как можно больше точек? Если точки распределены по определенному закону, например линейно, то их можно описать линейным уравнением.

Рис. 3-2. Представление функции с помощью линейного уравнения.

Примечание: точки, распределенные на левом графике, могут быть аппроксимированы линейной функцией в виде y=ax+b на правом графике.

Если точка распределения образует параболическую форму, то функция получается простой, в виде X²=2py. Однако, если распределение точек данных будет хаотичным, подобрать для них единую функцию будет трудно. Современные люди рассматривают метод множественной функциональной суперпозиции для имитации общей функции. Отрегулируйте вес каждой функции так, чтобы кривая функции суперпозиции могла пройти через как можно большее количество точек. Птолемей записывал большое количество данных о движении небесных тел, а затем пытался смоделировать функцию эллиптической траектории путем наложения нескольких круглых функций. Он использовал все данные, которые у него имелись. Метод функций подгонки подходит для поиска закономерностей из большого количества дискретных записей данных, которые являются основой современного искусственного интеллекта, основой математического метода машинного обучения.

Таким образом, сегодня используются многие базовые математические методы древних людей. Но не только ими ограничивается создание приносящего удовольствие приложения.

Сегодня мы можем восстановить историю с помощью цифрового картирования. Даже в такой игре, как «Мой мир», компьютер рассчитывает угол и длину каждого кирпича и плитки. Так с идеального трехмерного изображения тысячи лет назад начиналось возведение древних стен. В этот момент вы почувствуете, что все великие истории Древнего Египта, Древней Греции и Древнего Китая снова связаны с нами. Мудрость древних, использовавших данные, является одним из самых драгоценных наследий человечества. Она не идет ни в какое сравнение с серебряным поясом золотой короны, который исчез во дворце.

Цивилизация данных прогрессирует. Но большинство людей все еще находятся в тупике. Несмотря на то, что данные слишком близки к нам в повседневной жизни, они нам не знакомы. Каждый человек с детства знакомится со сложением, вычитанием и делением – самыми элементарными данными и алгоритмами. Но какую бы профессию мы ни занимали, мы не можем иметь дело со всеми видами документов, заявлений и счетов. Мы все больше чувствуем, что мы не понимаем данных или даже не осознаем их существования. Но в то же время ежедневно с ними сталкиваемся в высокотехнологичных продуктах. Появление массива данных, машинных алгоритмов и идеи искусственного интеллекта только лишь усугубило это непонимание.

Данные далеко от нас? Напротив, никогда раньше данные не были так тесно связаны с человеческой жизнью, как в современный технологический век. Наши предки умели систематизировать и хранить данные. Но они никогда не записывали себя и окружающий мир так активно и конкретно, как мы сегодня.

Мы постоянно совершенствуем способы сбора и использования данных от калькуляторов, камер, домашних компьютеров и смартфонов до массивов данных и искусственного интеллекта. Теперь мы можем все: собираем ежедневную статистику выбросов углекислого газа одного автомобиля, производим глобальный мониторинг климатических изменений, анализируем предпочтения пользователей интернета, прогнозируем результаты голосования на президентских выборах, отслеживаем и предсказываем рост и падение валюты и других показателей экономического сектора. Данные связывают людей с людьми и образуют плотную сеть. В ней каждый оказывает влияние на изменение мира и друг на друга. Это диалектическое соотношение микро– и макромира. Как и квантовая механика, оно рождает истину и отвечает на бесчисленные вопросы. Традиционные статистические методы уже не в состоянии обрабатывать массивы данных, которые появляются от взаимного влияния. Что делать? Позволить машине самостоятельно обрабатывать данные и извлекать из них знания. Такова природа современного искусственного интеллекта.

Еще 60 лет назад искусственный интеллект рассматривался учеными как серьезная наука. Но даже если обычные люди и были заинтересованы в ИИ, то в период Второй мировой войны интерес угас в связи с отсутствием прогресса после десятилетий быстрого развития науки и техники. Только сегодня мы вдруг обнаружили, что в нашу жизнь входят все новые различные концепции искусственного интеллекта, чтобы связать нас с большими данными. К их числу стоит отнести AlphaGo, Baidu, беспилотный автомобиль и др.

Если сравнивать технологию искусственного интеллекта с недоношенным ребенком, то у нее было два врожденных недостатка: во-первых, до активного внедрения интернета в повседневную жизнь у ИИ было слишком мало данных, что вызывало «недостаток кровообращения»; во-вторых, отсутствие подходящего оборудования привело к отсутствию вычислительной мощности для решения сложных проблем, что стало причиной «недостатка умственных возможностей». Данные – кровь, оборудование – кровеносные сосуды. Как только улучшатся интернет-приложения, удвоится вычислительная мощность компьютера, а вычислительная архитектура революционизируется, обе проблемы будут устранены. Жаркая кровь данных будет проникать в каждый уголок тела, будет распознавать изображения и речь, обрабатывать естественный язык… Откройте глаза, уши, рот – и «сердце» машины оживет!