Оглавление

1. Следующий властелин мира
2. Благодарности
3. Рецензии
4. Предисловие
5. Главная идея
6. С чего все началось?
   1. Искусственный интеллект: важные вехи
   2. Сингулярность и прогнозы Рэя Курцвейла
7. Красный список
   1. Здравоохранение 2.0
   2. Виртуальные помощники
   3. Финансовый сектор и машинное обучение
   4. Новая архитектура транспортной отрасли
   5. Smart-города
   6. ИИ в нефтегазовой отрасли
   7. Социальный кредитный рейтинг
8. Сверхкорпорации
   1. Техгиганты США: Microsoft, Google и Facebook
   2. Неожиданная сторона ИИ: Cambridge Analytica и Facebook
   3. Техгиганты Китая: Alibaba, Baidu, Huawei и Tencent
9. Сверхнации
   1. Стратегии лидеров: США и Китай
   2. Пионеры в сфере ИИ: стратегии Сингапура и ОАЭ
   3. ИИ и вооружение
   4. Флеров и Эйнштейн
10. Проект «гильгамеш» или сверхлюди
11. «Асиломарские принципы»
12. Казахстан
13. Эпилог
14. Работы участников конкурса «Казахстан моей мечты»
15. Список литературы
16. Примечания

Благодарности

Первый президент Казахстана Нурсултан Назарбаев сыграл важную роль, вдохновив меня на написание этой книги: в октябре 2018 года в ходе Послания народу Казахстана он посвятил значительную часть своего выступления необходимости внедрения искусственного интеллекта в Казахстане.

Я хотел бы поблагодарить тех, кто прочитал разные итерации рукописи и представил ценные советы по редакции книги: Его Высочество Шейх Тахнун бен Заид Аль Нахайян, Жак Аттали, Герман Греф, Кай-Фу Ли, Эдвард Люттвак, Джек Ма, Ванли Мин, Раджив Мисра, Сирилл Мюллер, Филипп Реландер, Масаёши Сон, Лин Шао, Аркадий Волож и Пэн Сяо.

Отдельное спасибо участникам конкурса «Казахстан моей мечты» за предоставленные работы: Станиславу Анастасьеву, Полине Горяевой, Веронике Морской, Владимиру Савицкому, Талгату Серикову, Акмарал Шаймагамбетовой, Софии Сон.

Рецензии

Карим Масимов — государственный деятель с широким геополитическим, историческим и технологическим видением. Эта книга является фундаментальной для всех, кто хочет понять, как ИИ может позитивно изменить жизнь компаний, стран и человечества.

Несмотря на кажущееся изобилие литературы описывающей новые технологии и искусственный интеллект, тяжело найти столь системное, простое и понятное любому читателю описание этой технологии будущего, без которой уже сегодня тяжело обойтись профессионалу в любой сфере деятельности. Книга читается на одном дыхании, сочетая технологические аспекты и очень интересные примеры по каждому направлению применения Искусственного интеллекта.

Это единственная книга об искусственном интеллекте, которая написана государственным деятелем и одновременно технократом. Книга действительно полезная и удивительно всеобъемлющая. Считаю это новый и ценный взгляд на тему ИИ.

В убедительной книге доктор Карим предлагает систематический взгляд на ИИ в широком спектре исторических и технических аспектов. Технологии, описанные в этой книге, хорошо демонстрируют разрушительную силу ИИ и его потенциал с точки зрения корпорации, нации и человечества. Взгляды из этой книги, взятые из шестидесятилетней истории ИИ, дают очень ценные предвидения для его будущего развития в контексте человеческого общества.

Доктор Масимов приводит убедительные аргументы в пользу того, как текущие и будущие достижения ИИ будут революционизировать человеческую цивилизацию, а ИИ станет неотъемлемой частью человеческой жизни. В книге подробно рассказывается об основных областях применения ИИ, включая здравоохранение, финансы, транспорт и нефтегазовую отрасль. Книга решительно выступает за разработку специальной стратегии ИИ на государственном уровне для Казахстана, чье дальновидное руководство полностью понимает значение ИИ в будущем.

В книге приведен хороший популярный обзор понятий, концепций и примеров из областей, связанных с современной проблематикой ИИ. Через все страницы автор проводит уверенную и спокойную мысль о том, что человечество освоится и в этой новой реальности. Это мудрая книга.

Предисловие

Фактически искусственный интеллект уже с нами, и он останется, что просматривается во всем: от проекта «умных» городов в Казахстане и его существенного экономического и социального влияния до крупных инвестиций в таких странах, как США, Китай, ОАЭ и Сингапур.

Фундаментальный вопрос, однако, заключается в том, будут ли люди контролировать ИИ в будущем или они создают новое божество для себя?

Карим Масимов мастерски рассматривает многие проекты, связанные с ИИ, в том числе «Гильгамеш», и помогает нам предвидеть наиболее реалистичные результаты этого мощного развития.

Искусственный интеллект — это новое электричество, и оно навсегда изменит мир.

Тем не менее, несмотря на позитивный эффект от его применения практически во всех областях человеческой деятельности, бизнес и правительства по всему миру остаются неподготовленными к серьезнейшим потерям рабочих мест, отраслей и к тому общественному порядку, с которым им еще не приходилось иметь дело. После прочтения книги доктора Масимова предполагаю, что Казахстан стремится не попасть под влияние этой тенденции, ведь роль ИИ в обществе становится все более очевидной.

«Следующий властелин мира» — это крайне необходимый, всесторонний взгляд на достижения и влияние ИИ, распространяющегося по всему миру.

Мы несем большую ответственность за обеспечение того, чтобы ИИ мог быть реализован в качестве мощной силы по достижению всеобщего блага. Доктор Масимов красноречиво обосновывает то, что для развития правильного сценария необходимо действовать сейчас.

Искусственный интеллект открывает новую главу в истории человечества и пути решений ключевых вызовов и рисков. Мы живем в очень интересное время, видя самое начало этого глобального сдвига в нашей истории, мы могли бы играть ведущую роль.

С этой точки зрения книга доктора Масимова является не только впечатляющей и проницательной работой, но и вкладом в эти глобальные изменения.

Автор подробно изложил и описал ключевые вопросы, которые были упущены из виду и отстают от технического и инвестиционного прогресса технологии искусственного интеллекта. Такие области, как международно-правовая база, межстрановая координация и регулирование, являются ключевыми в реализации ИИ не только для мирового сообщества, но и для правительств.

К моему приятному удивлению, руководство Казахстана полностью осознает потенциал ИИ как будущего глобального инструмента.

Углубленный анализ тенденций и постоянно развивающееся применение систем ИИ в различных секторах, таких как медицина и военное дело, дает читателю возможность представить, какие другие способы ИИ можно применять в повседневной жизни.

Я вижу очень большой потенциал Казахстана стать лидером и законодателем тенденций в сфере ИИ на постсоветском пространстве.

Только совместное сотрудничество, свобода для инвестиций и правовая база могут принести ИИ еще больший успех в мире.

Масаёши Сон, председатель и CEO SoftBank, председатель Arm Holdings

Книга доктора Масимова начинается с упоминания об эксперименте по цифровизации в небольшом казахстанском городе с населением 13 000 человек.

Этот эксперимент показывает людям, что цифровая технология, представленная искусственным интеллектом, уже реализует своего рода модель всеобъемлющего и устойчивого развития.

Сегодня, когда беспрерывно публикуются книги об искусственном интеллекте, точка зрения книги еще более раскрывает сущность цифровой эпохи: цифровые технологии — это не выгода, а альтруизм, не самоусиление, а создание возможностей для других. Цифровые технологии должны служить не только для блага небольших групп людей и стран, но и для всеобщего развития оставшихся 80% населения мира.

Сегодня мир полон всевозможных проблем, однако достижение всеобщего, экологического и устойчивого развития в таких местах, как описываемый маленький казахстанский город, является реальным решением.

Искусственный интеллект, Интернет вещей и блокчейн — технологии для людей, однако это не просто технологии, а также своеобразный способ переосмысления и размышления о мире для нас.

Превосходство ИИ над человечеством — это не самый главный повод для беспокойства, вопрос в том, обладает ли человечество достаточной мудростью. Потому как будущее зависит не от интеллекта, а от мудрости людей, стоящих за ним.

Индустриальная эпоха превратила людей в машины, цифровая эпоха превращает машины в людей. Я верю, что в конечном будущем машины будут больше похожи на машины, а люди будут больше похожи на людей.

Машины не смогут заменить людей, но могут стать партнерами для человечества. Технологии не оставят людей безработными, а дадут возможность людям заниматься более ценными и важными делами.

Сегодня человечество только вступает в цифровой век.

На сегодня человечество не имеет опыта перехода в цифровой век.

Точно также, как люди до обладания нефтью не могли представить, что смогут приземлиться на Луну, также люди до обладания цифровыми данными не могут представить степень достижимого в будущем.

Однако людей отличает от машин то, что они всегда наполнены любопытством к будущему и обладают безграничной смелостью.

Поэтому, открывая эту книгу, мы также открываем страницу будущего человечества.

Джек Ма, основатель и председатель совета директоров Alibaba Group

От чистого сердца.

Казахстан долгое время является местом перемен, страной, где граничит множество разных культур. По мере того как мы вступаем в новый технологический век, обусловленный ростом искусственного интеллекта, я считаю неизбежным ускорение темпов изменений, с которыми сталкиваются современные общества. Во всем мире большие и малые страны прилагают все усилия, чтобы раскрыть возможности, которые открывает информационная революция — будущее, в котором наши города, отрасли и социальные системы будут выглядеть совсем иначе.

Как бывший премьер-министр и глава разведки, Карим Масимов потратил десятилетия, создавая инфраструктуру и экономику, которые сегодня поддерживают Казахстан. Его работа в качестве государственного служащего была центральной в развитии Нур-Султана как динамичного, дальновидного города, поддерживаемого академическими институтами, такими как «Назарбаев Университет», которые открывают новые возможности в независимых исследованиях. Этот обширный опыт в сочетании с его увлечением спортом, в частности триатлоном, дает уникальную возможность взглянуть на социальную идентичность и мировоззрение современных казахов. В этой книге г-н Масимов представляет взвешенное и проницательное исследование того, как ИИ может стать катализатором будущего Казахстана на мировой арене.

Искусственный интеллект — это широкое семейство технологий и инструментов, способных трансформировать каждую существующую отрасль и создавать совершенно новые. Прорывы и интеллектуальная собственность способствуют успеху или провалу целых отраслей и регионов. Многие из крупнейших отраслей на земле — энергетика, транспорт, сельское хозяйство, образование, здравоохранение — были относительно не затронуты технологиями. Огромный прогресс в области вычислительной мощности, доступности данных и интеллекта систем, которые могут это понять, изменяют эти отрасли в лучшую сторону, одновременно обеспечивая экономический рост. Как видно из цифровизации экономики страны, Казахстан уже предпринял важные шаги в направлении смелого будущего. Ускорение этого импульса за счет применения ИИ в различных отраслях промышленности откроет потенциал Казахстана в качестве технологических ворот в Центральную Азию.

Раджив Мисра, председатель совета директоров, исполнительный вице-президент, Softbank Group Corp

ИИ сегодня вызывает энтузиазм сродни появлению Интернета 20 лет назад. В 1990-х годах ажиотаж вокруг Интернета стал предвестником беспрецедентного технологического преобразования, которое изменило наше потребление новостей, совершение банковских операций или даже чтение этой книги. В последующие два десятилетия мы видели, как политики боролись за регулирование постоянно меняющейся глобальной Интернет-платформы, которая привлекала миллиарды людей для быстрого обмена идеями, товарами и услугами.

Был создан беспрецедентный актив, но он был сконцентрирован прежде всего в крупнейших компаниях развитых стран. Неудивительно, что возник цифровой разрыв между теми странами, которые внедряли Интернет, и теми, кто этого не сделал. К началу 2010-х годов этот цифровой разрыв превратился в очевидную экономическую пропасть во всем мире.

Доктор Масимов понимает это, и он знает, что ИИ имеет экспоненциально больший потенциал, чем Интернет, чтобы изменить мир. Будучи премьер-министром Казахстана, обладающим уникальным взглядом на экономику страны и международные отношения, д-р Масимов приобрел опыт, который позволяет ему обсуждать ИИ с международной точки зрения и включения Казахстана в глобальный нарратив ИИ. Его предвидение направляет нацию в ее фундаментальной необходимости стоять на верном пути предстоящего разрыва ИИ. В этой книге мощно отражен импульс перемен.

В последние годы Казахстан добился впечатляющих успехов в своей цифровизации и подготовке к искусственному интеллекту. Как отмечает д-р Масимов, онлайн-портал правительства страны уже имеет половину населения в качестве зарегистрированных пользователей. 80% домов подключено к Интернету, а к концу 2019 года города Нур-Султан, Алматы и Шымкент будут подключены к сети 5G.

Строятся «умные» города, оптимизируются транспортная логистика и нефтегазовый сектор. В течение 15 лет д-р Масимов прогнозирует впечатляющий рост доходов частного сектора Казахстана на 40%, что напрямую связано с принятием ИИ в стране.

Объединенные Арабские Эмираты, близкий друг Казахстана, иллюстрируются в книге как пионер в области внедрения ИИ и инноваций. В 2017 году ОАЭ запустили национальную стратегию искусственного интеллекта и стали первой страной, создавшей Министерство искусственного интеллекта. Геополитические реалии и экологические проблемы в регионе требуют решений ИИ, которые охватывают широкий круг секторов, многие из которых применимы и к Казахстану. Как видно из книги, казахстанское руководство четко осознает свою возможность реализовать превосходную национальную стратегию искусственного интеллекта, работая с чемпионами мира.

Эта книга не научное исследование. Это практическое и действенное исследование нынешнего ландшафта ИИ, написанное государственным деятелем, который готов вывести свою страну вперед в ожесточенной гонке ИИ. Эта книга — свежий взгляд мудрого лидера, она будет пользоваться большой популярностью среди растущей коллекции литературы об искусственном интеллекте.

Главная идея

«…Единственное, что делает… проекты фантастическими, — это слишком большая перспективность в случае удачного решения…»

Георгий Флеров, апрель 1942 г.

В декабре 2018 года Первый президент Казахстана Нурсултан Назарбаев посетил «Smart Akqol», первый в Казахстане пилотный проект «умный» город, реализованный в небольшом административном центре с населением около 13 000 жителей.

Акколь был полностью оцифрован с помощью «умных» систем видеонаблюдения, автоматизации контроля и учета энергоресурсов, фиксации выбросов в окружающую среду. Весь город «накрыли» высокоскоростным Интернетом, была создана многослойная цифровая карта с информацией не только о зданиях, сооружениях, земле, но и об инженерных и инфраструктурных сетях. А все данные интегрировали в единый ситуационный центр, который также получает информацию из всех общественных зданий, школ, больниц и госучреждений.

Таким образом в Акколе сформировали единую информационную базу, обновляемую в режиме реального времени, которая выдает те или иные решения на основе анализа данных и предупреждает о любых отклонениях от нормального режима работы. Но суть не в технологических решениях, а в экономической выгоде и улучшении благополучия жителей города. В течение нескольких месяцев после внедрения «пилота» повысился уровень общественной безопасности, существенно сократились расходы жителей на коммунальные услуги, отпала необходимость в посещении государственных учреждений, сборе многих документов и так далее.

Пилотный проект продемонстрировал, что «умный» город — это не просто футуристическая концепция, а неотъемлемая инфраструктура искусственного интеллекта (ИИ), которая собирает данные с датчиков, видеокамер, сенсоров и спутниковых изображений и может обеспечить эффективное и, по сути, оптимальное управление административным центром.

Я твердо убежден в том, что этот эксперимент необходимо распространить на все 17 крупных и более 200 малых городов в нашей стране. Это было бы чрезвычайно полезным для благополучия всех казахстанцев и образцовым примером использования систем искусственного интеллекта! Но ИИ предлагает гораздо большие возможности, чем просто создание «умных» городов.

Сегодня этот термин широко известен, но по-прежнему существуют серьезное недопонимание реальных явлений и концепций мира ИИ. Популярная культура изобилует изображениями «сумасшедших киборгов», «восстаний роботов» и других страшилок беллетристов. Есть также более реалистичные опасения, например, в отношении занятости человека, которые исходят из разумных предположений, но все же сильно преувеличены.

Под искусственным интеллектом понимается способность машин рационально мыслить и принимать решения как человек (Wooldridge, 2018) с помощью так называемого «машинного обучения» и «глубокого обучения». Например, управляющие супермаркетом могут использовать ИИ для планирования закупок товаров (на основе регрессии), банк может использовать ИИ для оценки кредитоспособности заемщиков (на основе классификации), и если после очередного просмотра фильма Netflix рекомендует посмотреть другие, которые могут вам понравиться, это делается путем «кластеризации» — все это примеры машинного обучения.

Глубокое обучение сочетает в себе все методы машинного обучения с огромным набором данных, которые теперь описываются термином «большие данные»¹.

Первая, вторая и третья промышленные революции создали новые технологии общего назначения, кардинально изменившие подходы к решению определенных задач, таких как массовое производство, транспортировка и связь, что привело к общему росту производительности и инновациям. Первая промышленная революция создала паровой двигатель, что привело к развитию угольной, металлургической и сталелитейной промышленности, а также строительству железных дорог и каналов. Вторая промышленная революция ознаменовалась изобретением электричества, за которым последовало развитие телекоммуникаций и нефтегазовой промышленности. Это принесло в нашу жизнь телефон и телеграф, самолеты и автомобили. Наконец, информационные технологии третьей промышленной революции переформатировали наш образ жизни, внедрив компьютеры, Интернет и автоматизацию многих рабочих процессов.

Невозможно сегодня представить нашу жизнь без электричества, автомобилей или Интернета. Но что завтра? По прогнозам компании Gartner, в ближайшие пять лет мы увидим широкое внедрение сетей 5G и виртуальных помощников (Panetta, 2018). Тенденции на ближайшие десять лет включают в себя квантовые вычисления, «умных» роботов, биочипы и «умные» города. В последующий период появится искусственный общий интеллект, экзоскелеты, 4D-принтеры, летающие беспилотные автомобили и биохакинг.

В целом будущее с искусственным интеллектом сулит человечеству три основные тенденции.

Первая — это наступление новой эры сверхнаций во главе с США и Китаем. Некоторые эксперты говорят даже о новой «холодной войне» и сравнивают потенциал искусственного интеллекта (особенно в военной сфере) с атомной бомбой. Названные две страны уже втянуты в ожесточенную конкуренцию. Так, 16 мая 2019 года Министерство торговли США включило китайскую компанию Huawei в черный список, запретив ей покупать американское оборудование для любых будущих проектов («США внесли», 2019).

Этот простой пример стал четким сигналом для других стран: нужно торопиться, счет пошел не на годы, а на месяцы.

Вторая тенденция — это смещение влиятельности в корпоративном мире от ресурсных и финансовых компаний к технологическим гигантам — сверхкорпорациям. Выражаясь словами Ананда Гиридхарадаса, автора книги «Победители получают все», мы видим появление так называемой «новой феодальной элиты из Кремниевой долины» (Giridharadas, 2019).

К примеру, Huawei является лидером в технологии нового поколения связи 5G. Операционные и поисковые системы, а также большое количество аппаратного и программного обеспечения во многом принадлежат американским корпорациям Alphabet, Microsoft, IBM и Apple. В области беспилотных автомобилей и космической индустрии опять же лидирует Google от Alphabet, а также Tesla и SpaceX. Корпорации Facebook и Tencent определяют тенденции рынка в социальных сетях и приложениях для обмена сообщениями. Компании Amazon, Ebay и Alibaba Group доминируют в розничной и оптовой онлайн-торговле.

Быстрый рост сверхкорпораций демонстрирует еще один важный аспект новой конкуренции. Борьба за ресурсы уходит в прошлое. Основная борьба сегодня — за большие данные, генерируемые людьми.

Третья, более отдаленная, тенденция указывает на известный проект «Гильгамеш». Если он будет реализован, на Земле появится новая биологическая каста сверхлюдей. Очевидно, это станет возможным только при неустанном прогрессе искусственного интеллекта.

В этом контексте ключевым трендом, предсказанным футуристами и известными инвесторами, такими как Рэй Курцвейл и Масаёши Сон, является наступление новой эры «сингулярности», то есть наступление будущего, в котором технологии изменятся настолько, что станут непостижимыми для человека. Некоторые предполагают, что это может произойти к 2050 году.

Однако контуры такого будущего просматриваются уже сегодня. В этом основной посыл данной книги. Это отнюдь не научная работа, но и не беллетристика. Книга описывает, как искусственный интеллект начинает трансформировать наш мир, его социально-экономическую структуру, наши рынки, политическую систему и начинает влиять на наш личный выбор.

Сегодня практическое применение ИИ уже охватывает широкий спектр отраслей — от финансов до обработки медицинских изображений и обнаружения мошенничества. Искусственный интеллект начинает заменять существующие профессии, одновременно расширяя возможности в широких сферах деятельности, в частности в медицине, юриспруденции, финансах и бизнесе в целом.

К примеру, в сфере медицины искусственный интеллект уже может анализировать не только данные МРТ и КТ-снимков, но и сенсорные данные для диагностики, лечения и мониторинга растущего числа заболеваний.

В мире бизнеса возможности ИИ анализировать данные и прогнозировать результаты могут дать огромное преимущество для компаний, использующих ИИ. Любые задачи вычисления и классификации теперь могут быть автоматизированы с помощью искусственного интеллекта для получения результатов менее чем за секунду вместо дней или недель. Искусственный интеллект также имеет огромный потенциал для кардинальной модернизации добывающих отраслей, прежде всего в сфере энергетики.

Это технологическое, этическое и философское явление на наших глазах трансформирует весь финансовый сектор: основные финансовые услуги автоматизируются с помощью роботов-консультантов, методы ИИ успешно применяются при выявлении мошенничества, а также для оценки и управления рисками.

Транспортный сектор также трансформируется введением системных приложений ИИ. Например, ключом к успешному переходу на беспилотные транспортные средства является внедрение инфраструктур искусственного интеллекта, в частности «умных» городов, в которых машины могут начать передвигаться автономно намного раньше и гораздо надежнее, чем в наших нынешних городах.

Неудивительно, что рынок искусственного интеллекта растет стремительными темпами: последние оценки показывают, что к 2030 году приложения искусственного интеллекта смогут в глобальном масштабе генерировать до 15 триллионов долларов США.

Есть во всем этом, конечно, и другая сторона: искусственный интеллект также меняет политические процессы и прежде всего электоральные. Нам всем известны примеры голосования за Brexit и выборов 2016 года в США. Весь мир вовлечен в обсуждение этих двух событий, ведь они ставят во главу угла другой, более важный вопрос о том, как с помощью ИИ-технологий мир вокруг нас меняется настолько, что государственные политические институты уже не успевают к нему адаптироваться.

В целом достижения ИИ являются как положительными, так и достаточно сложными, что представлено в главе книги «Красный список».

Далее в главе «Сверхнации» анализируются некоторые современные стратегии развития искусственного интеллекта. Сегодня известно о принятии более 30 национальных стратегий. Прежде всего, все преследуют две цели: адаптироваться к вызовам, связанным с трансформацией ИИ, и получить обещанные экономические выгоды. Конечно, два главных примера в книге — это национальные стратегии США и Китая. Но для такой развивающейся страны, как Казахстан, важен также опыт других государств, например Объединенных Арабских Эмиратов и Сингапура. Эти государства стали своего рода пионерами строительства национальной платформы искусственного интеллекта.

Вопрос в том, способен ли мир справиться с грядущими изменениями и объединить усилия (см. главу «Флеров и Эйнштейн»).

Глава «Сверхкорпорации» рассказывает о растущем влиянии и возможностях технологических корпораций, прежде всего из США и Китая. Трудно представить современный мир без продуктов и услуг Alibaba, Amazon, Apple, Facebook, Google, Huawei, IBM, Microsoft, Nvidia и других. Основатели этих технологических гигантов продолжают «захватывать» не только список самых богатых людей на планете, но и внимание людей со всех уголков мира.

Казахстану в сфере искусственного интеллекта важно выстроить сегодня партнерство не только с крупными технологическими гигантами, но также со стартапами и венчурными фондами, чтобы сформировать собственный потенциал в этой сфере.

Данное исследование имеет целью представить всесторонний взгляд на феномен ИИ. Например, глава о проекте «Гильгамеш» представляет доказательства того, что продление жизни посредством улучшения физических и интеллектуальных способностей уже не научная фантастика, а скорее, реальность не столь отдаленного будущего.

Подобное развитие событий естественным образом поднимает вопрос о правовом регулировании искусственного интеллекта (см. главу «Асиломарские принципы») и его политических ограничениях. Завершается книга размышлением о роли и месте Казахстана в новом мире, где доминирует искусственный интеллект. Анализ текущей ситуации в Казахстане и состояния цифровизации в стране сопровождается обзором предпосылок развития собственного потенциала в сфере искусственного интеллекта и возможностей для реализации национальной стратегии ИИ.

Системы ИИ развиваются настолько быстро, что через год или два наша страна рискует остаться позади как «вечный аутсайдер» в глобальной гонке ИИ. Чтобы предотвратить подобный сценарий (см. главу «Казахстан»), нам необходимо реализовать собственную стратегию и создать максимально благоприятную правовую среду для взаимодействия со всеми зарубежными юрисдикциями, в том числе с технологическими компаниями и исследователями из Европы, Японии, США, Китая и других стран.

При этом нельзя ставить под угрозу защиту личных прав и неприкосновенности граждан страны. Наравне с изменением законодательства потребуется инновационная модернизация всей инфраструктуры, что позволит генерировать максимально возможный объем данных, необходимых для развития искусственного интеллекта.

Нам нужно понимать, что человечество совершает первые шаги на пути внедрения систем искусственного интеллекта. Экстремальные и даже фатальные сценарии возможны, но маловероятны. Мы не вправе использовать это как оправдание, чтобы препятствовать прогрессу и ничего не делать в настоящем.

Мы действительно должны понимать и помнить, что будущее глобальное доминирование ИИ начинается сегодня.

С чего все началось?

Искусственный интеллект: важные вехи

«Мысль о создании „мыслящей“ машины может быть захватывающей, противоречивой и пугающей».

Из «Истории искусственного интеллекта», 2006 г.

Искусственный интеллект изучается десятилетиями, но до сих пор остается одной из самых неизведанных областей компьютерных наук (Tate, 2014).

В первой половине прошлого века научная фантастика представила миру понятие интеллектуальных роботов. Все началось с научно-фантастической пьесы Карела Чапека (1920) «Россумские универсальные роботы» и «бессердечного» Железного Дровосека из «Волшебника страны Оз» (1939). Эта идея получила дальнейшее развитие в фильме «Метрополис» (1927) ², где человекоподобный робот выдавал себя за человека. В 1929 году японский профессор Макото Нисимура сконструировал первого в мире настоящего робота Gakutensoku.

К 1950-м годам ученые, математики и философы начали развивать концепцию искусственного интеллекта, по сути, положив начало эпохе ИИ. В 1940-х годах был построен первый цифровой (но не программируемый) компьютер Atanasoff Berry Computer (ABC). В 1945 году в своей фундаментальной работе «Как мы можем мыслить» Ванневар Буш³ предсказал наступление компьютерной эпохи. Пять лет спустя, в 1950 году, Алан Тьюринг⁴ опубликовал свою статью «Вычислительная техника и интеллект», в которой указывал, что машины могут симулировать поведение человека и выполнять логические операции, например играть в шахматы.

В тот период Тьюринг сделал смелый прогноз, что примерно через 50 лет компьютеры будут способны настолько хорошо имитировать человеческий разговор, что человек со средними способностями не отличит, является ли его собеседник человеком или машиной (Turing, 1950).

Джон Маккарти⁵ впервые ввел термин «искусственный интеллект» в 1956 году, когда пригласил группу исследователей на семинар под названием «Летний исследовательский проект по искусственному интеллекту в Дартмуте» (Дартмутский семинар или DSRPAI). Тогда исследователи собрались, чтобы прояснить и развить понятие «мыслящих машин». Говорят, что Маккарти сам выбрал термин «искусственный интеллект» за его нейтральность. В приглашении на семинар говорилось: «Исследование должно развиваться на основе предположения о том, что каждый аспект обучения или любая другая особенность интеллекта может в принципе быть описанной настолько точно, что это приведет к созданию машины для моделирования данных процессов» (Marr, 2018а).

Словари определяют ИИ как область компьютерной науки, сосредоточенную на машинах, которые могут имитировать человеческий интеллект или даже шире — могут быть похожими на людей и даже стремиться стать людьми. Оксфордский словарь дает следующее определение: «Теория и разработка компьютерных систем, способных выполнять визуальное восприятие, распознавание речи, принятие решений, перевод между языками и другие задачи». Мерриам-Вебстер определяет искусственный интеллект как отрасль компьютерных наук, занимающуюся моделированием интеллектуального поведения в компьютерах, или как способность машины имитировать разумное поведение человека (подробнее см. Marr, 2018a).

Катализатором исследований в сфере ИИ стала представленная на Дартмутском семинаре американскими учеными Гербертом Саймоном, Дж. Клиффом Шоу и Алленом Ньюэллом первая программа искусственного интеллекта «Logic Theorist» (Moor, 2006), разработанная для имитации навыков людей в решении проблем. Исследование финансировалось корпорацией RAND⁶.

Новатор в ИИ Артур Самуэль ввел термин «машинное обучение», когда задумался о программировании компьютера, который мог бы играть в шахматы лучше, чем человек, написавший программу. В 1958 году Герберт Саймон⁷, позднее получивший Нобелевскую премию по экономике, предсказал, что компьютер станет чемпионом мира по шахматам в течение ближайших десяти лет (Campbell, 2002). Однако прошло 40 лет, прежде чем в 1997 году IBM Deep Blue виртуозно обыграла тогдашнего чемпиона мира по шахматам Гарри Каспарова в матче из шести партий.

Задержка предсказания Саймона была отчасти связана с необходимостью создать компьютер, достаточно мощный для управления комбинаторной сложностью игры. Например, у Deep Blue было 480 процессоров, способных в среднем обрабатывать около 100 миллионов шахматных позиций в секунду. Шахматный триумф Deep Blue ознаменовал исторический момент в практическом развитии ИИ. Однако с тех пор компьютерная тренировка для шахматистов стала рутиной.

В 1966 году был создан один из первых чат-ботов, программа обработки языка под названием ELIZA⁸, а в 1972 году — более продвинутая программа PARRY⁹ с потенциалом разговорной стратегии. Инновации предвещали светлое будущее для интерпретации разговорной речи. Ведущие исследователи, участвовавшие в Дартмутском семинаре, активно продвигали свою работу, что помогло убедить правительство, в частности Управление перспективных исследовательских проектов Министерства обороны США (DARPA) ¹⁰, финансировать исследования в области искусственного интеллекта. Правительство особенно интересовалось возможностями ИИ в распознавании речи и обработке данных с высокой пропускной способностью.

К 1974 году компьютеры смогли хранить больше информации и обрабатывать ее быстрее. В то же время они стали дешевле и доступнее. Благодаря улучшенным алгоритмам машинного обучения они начали перепрограммироваться, основываясь на собственном опыте.

Новый этап развития ИИ начался в 1980-х годах. В частности, правительство Японии в 1982 году запустило проект по созданию компьютеров пятого поколения (Fifth Generation Computer Project — FGCP), которые могли бы выполнять более сложные задачи («Japan,» 1984). В то время, когда предыдущие поколения компьютеров были сосредоточены на увеличении количества логических элементов в одной электронной схеме для выполнения исключительно вычислительных задач, японские ученые надеялись создать компьютеры с принципиально новыми возможностями. Из-за высокого коммерческого потенциала таких компьютеров были опасения, что Япония будет доминировать на этом рынке так же, как раньше она стала доминировать на рынке компьютерных чипов. Тем не менее проект не увенчался успехом: к 1992 году правительство Японии потратило более 850 миллионов долларов США, но не достигло желаемых прорывов на ключевых технологических направлениях (Pan, 2016). В конце концов финансирование FGCS прекратилось, и искусственный интеллект на некоторое время исчез из поля зрения общественности.

Эта неудача имела и положительную сторону, так как она продвигала идею того, что разработка ИИ должна основываться на инновациях и передовых разработках программного обеспечения. В 1997 году компания Dragon Systems выпустила NaturallySpeaking — первую универсальную программу для распознавания непрерывной речи (Shahi, 2009). Она была намного дешевле, чем предыдущие, и предоставила доступ к распознаванию речи гораздо более широкому кругу пользователей. Два месяца спустя IBM выпустила свое конкурентное программное обеспечение для распознавания голоса ViaVoice (Munro, 1998).

К концу 1990-х годов исследования ИИ были интегрированы с робототехникой и человеко-

машинным интерфейсом. Ученые впервые серьезно заговорили о создании искусственных интеллектуальных «агентов», наделенных чувствами и способных выражать эмоции. Это дало начало новой области исследований «аффективных вычислений», нацеленных на анализ эмоциональных реакций человека, которые затем могут быть смоделированы машинами. Одновременно это помогло улучшить диалоговые системы (чат-боты).

В 1999 году постдокторантом Массачусетского технологического института, США, был разработан социальный робот Kismet, способный распознавать и имитировать человеческие эмоции (Overby, 2017). В том же году корпорация Sony представила AIBO — роботизированную собаку, предназначенную для того, чтобы «учиться», взаимодействуя с окружающей средой. Дизайн собаки был постепенно улучшен до такой степени, что робот-питомец мог взаимодействовать со своим владельцем, распознавать и отвечать на более чем 100 голосовых команд. В 2000 году Honda представила ASIMO, робота-гуманоида.

Еще один прорыв произошел в середине 2000-х годов, когда Nvidia представила свои новые графические процессоры. Впервые компьютеры стали достаточно мощными для обработки больших наборов данных и построения сложной архитектуры нейронной сети для широкого круга прикладных задач. Именно в этот период началось бурное использование «глубинного обучения».

Термин «машинное чтение» был впервые введен в 2006 году для описания автоматического распознавания текста. Год спустя исследователи Стэнфордского университета, США, создали ImageNet, аннотированную базу данных для распознавания визуальных объектов. Эти нововведения помогли внедрить такие технологии, как компьютерное зрение, распознавание речи и машинный перевод.

С 2010 года технологические достижения в области аппаратного и программного обеспечения прокладывают путь для повседневного использования искусственного интеллекта. Мощные процессоры и видеокарты в компьютерах, смартфонах и на планшетах позволили широкому кругу пользователей иметь постоянный доступ к программам ИИ. Например, Microsoft выпустила Kinect для Xbox 360 — первое игровое устройство, отслеживающее движение тела с помощью 3D-камеры и инфракрасного датчика.

В 2011 году Apple представила свой голосовой помощник Siri. В 2014 году Microsoft запустила Cortana, а в 2015 году Amazon презентовала Amazon Echo и его голосовой сервис Alexa. Эти виртуальные помощники использовали интерфейс на естественном языке, чтобы наблюдать, отвечать и делать выводы и рекомендации для своих пользователей.

Помощники оказались невероятно умными. В 2011 году компьютерная программа Watson участвовала в телевизионной викторине в США в форме анимированного экранного символа и выиграла у игроков-эрудитов. При этом Watson доказала, что умеет понимать естественный язык и способна быстро отвечать на сложные вопросы («History of Artificial Intelligence», 2018).

В 2012 году исследователи Google обучили большую нейронную сеть из 16 000 процессоров распознавать изображения кошек, показывая 10 миллионов немаркированных изображений из видео в YouTube. В 2016 году разработка AlphaGo от Google DeepMind одержала победу над Ли Седолем, одним из лучших в мире профессионалов игры в го, со счетом 4:1 (Borowiec, 2016). До начала матча считалось, что ни один компьютерный продукт не сможет обыграть гроссмейстера такого высокого уровня. И все же это случилось. Победа еще раз подтвердила превосходство искусственного интеллекта над людьми.

В 2018 году IBM провела дебаты между человеком и ИИ под названием Project Debater. У обеих сторон было всего 15 минут, чтобы подготовиться к теме. Машина не только внимательно выслушала аргументы эксперта-человека, но и убедительно отреагировала на такие новые для нее темы, как телемедицина и субсидии для космических программ. Еще одним важным шагом на пути обучения ИИ владению человеческим языком и разумом стало то, что искусственный мозг Project Debater смог процитировать источники и даже пару раз удачно пошутил, обыгрывая темы докладов («Think», 2019).

В 2018 году на своей конференции Google продемонстрировал, как виртуальный помощник Google Duplex может позвонить в офис и назначить встречу от вашего имени. Администраторы на другом конце линии даже не заподозрили, что разговаривают с роботом (Leviathan, 2018).

Наконец, о прогрессе в робототехнике. Роботы Boston Dynamics¹¹ (SpotMini, Handle и Atlas) научились бегать, прыгать, делать сальто и даже заниматься паркуром. А гуманоидные роботы София и Хэн (Hanson Robotics¹²) не только выглядят как люди, но и способны разговаривать и воспринимать эмоции. Взаимодействуя друг с другом через облачное хранилище, они постоянно совершенствуются и приобретают новые навыки.

Кто-то может сказать, что эти роботы — глупые машины, неспособные к многозадачности, остающейся прерогативой человека. В конце концов, мы разработали их, а не наоборот. Однако человеческие возможности остаются ограниченными, в то время как искусственный интеллект постоянно развивается. То, что он превзойдет нас рано или поздно, всего лишь вопрос времени.

Какой механизм лежит в основе безграничных возможностей ИИ? Когда машины достигнут уровня человеческого интеллекта, наступит эра общего искусственного интеллекта (Artificial General Intelligence), в которой искусственный интеллект сможет воспроизвести интуитивные способности человека в решении проблем и станет способным к научным открытиям. Машины будущего смогут запоминать каждый ввод данных и каждый установленный шаблон. Добавьте к этому их способность быстро обрабатывать огромные объемы информации. Вечная память огромных массивов данных позволит машинам определять шаблоны и делать выводы способами, недоступными большинству обычных людей. При этом общий ИИ будет достаточно автономным, чтобы самостоятельно реагировать на проблемы, возникающие в окружающей среде.

В конечном счете наступит эра, когда искусственный интеллект значительно превзойдет наш собственный, он научится совершенствовать сам себя, расширяя возможности по экспоненте. По мнению генерального директора SoftBank Масаёши Сона, эта новая эпоха интеллектуальных машин, превосходящих людей по количеству и умственным способностям, наступит до 2047 года (Shead, 2018).

Сингулярность и прогнозы
Рэя Курцвейла

«Это точка, в которой наши старые модели придется отбросить, где воцарится новая реальность. Это мир, очертания которого будут становиться все четче, надвигаясь на современное человечество, пока эта новая реальность не заслонит собой окружающую действительность, став обыденностью. И все же, когда мы такой точки наконец достигнем, это событие все равно станет великой неожиданностью и еще большей неизвестностью».

Из статьи «Грядущая технологическая сингулярность: Как выжить в постчеловеческую эпоху» Вернора Винджа (1993)

Ученый и автор концепции сингулярности Вернор Виндж предсказывает, что благодаря самообучению искусственный интеллект однажды превзойдет человеческий интеллект и станет непостижимым для человека. Каждый, кто так или иначе связан с ИИ, верит, что сингулярность неизбежна. Вопрос лишь в том, когда это произойдет. Наступление сингулярности станет кульминацией научной революции, и это может произойти уже в этом столетии.

Человеческий мозг обладает множеством интересных свойств. В нем предположительно насчитывается около ста миллиардов нервных клеток, и мозг может выполнять 200 триллионов операций в секунду. Или даже быстрее. По словам профессора по информатике и робототехнике при университете Карнеги-Меллон Раджа Рэдди¹³, в таких областях, как зрение, речь и двигательные процессы, «он более мощный, чем 1 000 суперкомпьютеров; однако для простых задач, таких как умножение, он менее мощный, чем четырехбитный микропроцессор» (Reddy, 1996). Процессы обработки, происходящие в человеческом мозге, не требуют больших сознательных усилий со стороны людей, и машинам очень трудно их имитировать.

Прогнозируется, что в ближайшем будущем произойдет масштабный прорыв в понимании тайны человеческого мозга. Будут расшифрованы многие алгоритмы нашего ума с последующим включением их в нейронные сети компьютеров. Как следствие, небиологический интеллект станет в миллиарды раз мощнее биологического, и Земля станет одним гигантским компьютером. Однако это не то, что может произойти даже в течение длительного времени, несмотря на значительный прогресс в нейронауках, последние 40 лет мы все еще используем упрощенную модель в нейронных сетях.

Мы не способны оценить, что произойдет при наступлении сингулярности. Но гипотеза предполагает, что создание искусственного интеллекта вызовет неконтролируемый технологический рост, что приведет к непостижимым изменениям в человеческой цивилизации.

Известный футуролог и изобретатель Рэй Курцвейл, которого иногда называют «отцом искусственного интеллекта», а также известный немецкий ученый и специалист в области искусственного интеллекта Юрген Шмидхубер¹⁴ верят, что сингулярность произойдет примерно к 2045 году. Известный ученый в сфере компьютерных наук Патрик Уинстон¹⁵ предсказывает сингулярность к 2040 году, а технолог и изобретатель Луи Розенберг¹⁶ думает, что это произойдет к 2030 году. По его словам, «у нее будут свои ценности, своя мораль, свои интересы» (Rosenberg, 2017).

В своей книге «Сингулярность близка: когда люди выходят за пределы биологии» Рэй Курцвейл предлагает несколько интригующих мыслей о будущем (Kurzweil, 2005a). Например, он говорит о субмикроагентах, называемых наноботами, которые будут вводиться в нашу кровь для мониторинга и поддержания химического и биологического баланса. Другие агенты будут специализироваться на патрулировании мозга. Они смогут загружать каждый сохраненный нейронный паттерн и синапс из клеток мозга в суперкомпьютер.

Таким образом воссоздается полная версия «программного обеспечения» человеческого разу-

ма, включая память, эмоции, инстинкты, мысли и интуицию. Эта программа, как и другие, может быть перенесена на другие машины. После чего она будет думать и действовать по вашему образу и подобию, но уже обладая бессмертием.

Автор книги-предвидения Курцвейл является также соучредителем и ректором Университета Сингулярности (США) и директором по инженерным разработкам в Google. Он сделал 147 прогнозов с 1990-х годов и имеет показатель успеха 86% (Basulto, 2012). Среди его успешных прогнозов — предсказание 1990 года, что компьютер победит чемпиона мира по шахматам к 1998 году (Diamandis, 2015). Кроме того, он предсказал, что компьютеры будут иметь беспроводной доступ к данным, что уже реализовано в нашей повседневной жизни в виде Wi-Fi.

Также Курцвейл довольно точно спрогнозировал грядущую способность компьютера воспринимать голосовые команды человека. Сегодня люди вполне привыкли к использованию виртуальных помощников и иногда разговаривают с ними так, как будто они живые существа. Не секрет, что многие пользователи компьютеров и смартфонов сначала советуются с голосовыми помощниками, прежде чем обращаться к врачам, автомеханикам или юристам. По умолчанию большинство цифровых помощников имеют приятные женские голоса, которые пользователи могут изменить. Общение строится настолько тесное, что многие люди называют Siri, Alexa и Cortana «она» (she), а не «оно» (it). Вскоре у нас вообще не будет клавиатур, и нам не придется нажимать клавиши с этими символами.

Его прогнозы сбылись также в сфере дополненной и виртуальной реальности. Одним из доминирующих лидеров в этой области является Microsoft. Компания представила очки смешанной реальности под названием HoloLens, которые используются для демонстрации дизайнерской одежды и обуви, достоинств новых моделей авто. HoloLens также может помочь хирургам выполнять операции.

Поразительно, что предсказанное Курцвейлом еще в 90-х годах и казавшееся тогда немыслимым сегодня уже реальность. Вот почему его прогнозы на следующие 25 лет вызывают бурный интерес. Особое внимание он уделяет использованию 3D-принтеров. Он считает, что мы сможем распечатывать одежду, создавать недорогие продукты питания, строить здания за несколько дней. Но самое главное — выращивать новые ткани и целые органы.

Мы очень близки к тому, чтобы сделать это реальностью. Нам остается лишь пройти экспериментальную стадию для широкого практического применения. Недавно было построено демонстрационное здание с использованием небольших 3D-печатных модулей в стиле Lego. Также было создано целое 3D-печатное сердце из человеческих клеток.

Если говорить о применении нанороботов в медицинских целях, то он считает, что уже к 2032 году они смогут доставлять питательные вещества непосредственно к клеткам человека, а на обратном пути — выводить из них токсины. Еще через десяток лет нанороботы улучшат нашу иммунную систему и «очистят» наши тела от всех болезней, проложив путь к идее бессмертия (Kurzweil, 2005b).

После 2030 года беспилотные автомобили начнут «захватывать» дороги, людям запретят садиться за руль автомобиля, не оборудованного компьютерными помощниками. Беспилотные авто устранят 99% аварий и предотвратят до 2 миллионов смертей от ДТП ежегодно¹⁷. К 2030 году солнечная энергия станет настолько дешевой и распространенной, что будет способна удовлетворять все энергетические потребности человечества (Kurzweil, 2005a).

На недавней международной конференции по искусственному интеллекту¹⁸ Курцвейл сказал, что, основываясь на своих более чем 50-летних исследованиях, сборе и анализе данных, он считает, что будущее будет намного лучше настоящего. И это из-за выдающихся достижений человеческой цивилизации, таких как значительное снижение уровня бедности во всем мире, повышение уровня грамотности и общих расходов на образование, увеличение продолжительности жизни, обеспечение электричеством и компьютерами домохозяйств по всему миру. По его словам, все это вселяет в него оптимизм по поводу будущего.

Красный список

«Вам знакомо выражение „выше головы не прыгнешь“? Это заблуждение. Человек может все».

Никола Тесла

Здравоохранение 2.0

Ожидание исторических изменений, вызванных развитием искусственного интеллекта, имеет под собой прочное обоснование в виде тех инновационных достижений, которые уже сегодня начинают менять целые отрасли. Особые успехи были достигнуты в медицине.

Израильские исследователи с помощью 3D-принтера напечатали из человеческих тканей первое в мире сердце. Результаты их исследований были опубликованы в апреле 2019 года в Advanced Science (Noor, 2019). Это только первый шаг, но он может кардинально изменить трансплантологию в ближайшем будущем. Только представьте: больше нет проблем с совместимостью или отказом и больше не нужно искать подходящего донора!

Такие достижения стали возможными в значительной степени благодаря совершенствованию медицинского оборудования, которое с каждым годом генерирует все больше различных данных. По мере продолжения этой тенденции растет и потенциал применения ИИ в медицине. Такие инструменты, как машинное обучение, нейронные сети, обработка естественного языка и компьютерное зрение, помогают ИИ добиться значительного прогресса в освоении медицинской науки и диагностике заболеваний.

Развитие искусственного интеллекта в здравоохранении обещает свести к минимуму летальные исходы из-за врачебной ошибки. Например, в Соединенных Штатах медицинские ошибки являются третьей по значимости причиной смерти (250 000 человек в год) после болезней сердца и рака (Sipherd, 2018). Однако уже сегодня помощь ИИ в роботизированной хирургии позволяет в пять раз сократить число послеоперационных осложнений и уменьшает среднее время госпитализации на 21% (Schroerlucke, 2017).

Облачная аналитическая ИИ-платформа iQueue от LeanTaas предлагает «умное» управление нагрузкой на операционные комнаты, а усовершенствованная система искусственного интеллекта Triton компании Gauss Surgical ведет мониторинг кровопотерь во время операций, помогая принимать оптимальные решения о переливании крови и прогнозировать уровень гемоглобина после операции. Роботизированная хирургия с использованием искусственного интеллекта успешно дебютировала в хирургии глаза, сердца, кровеносных сосудов и активно распространяется на другие виды минимально инвазивных операций.

Искусственный интеллект помогает решить и более серьезную проблему, чем медицинская ошибка: остановка сердца вне больницы. В 2017 году только в Соединенных Штатах и Европе более 600 000 человек перенесли внебольничную остановку сердца (Blomberg, 2019). Прорыв произошел в начале 2018 года, когда на основе обработки и анализа тысяч экстренных вызовов в Центр неотложной медицинской помощи в Копенгагене был создан специальный алгоритм машинного обучения по обнаружению остановки сердца. Данный алгоритм, разработанный датской компанией Corti, показал более точный результат в сравнении с человеком-доктором — 95% против 73% (Peters, 2018). При этом для столь острого и скоротечного заболевания крайне важна быстрая обработка показаний пациента, на которую ИИ потребовалось на 30 секунд меньше. Нередко эти секунды являются разницей между жизнью и смертью.

Экспериментальные исследования, проведенные в других странах, показали аналогичные результаты, и теперь данная система компании Corti внедряется во многих центрах экстренных вызовов по всему миру. Вместе с медицинскими диспетчерами система машинного обучения слушает показания людей, анализирует слова, которые они используют, их интонацию и фоновый шум. При обнаружении остановки сердца система моментально подает диспетчеру соответствующий сигнал.

В сфере диагностики заболеваний на данный момент существует не так много примеров превосходства ИИ над человеком. Но последние достижения в анализе и распознавании изображений помогли сократить время, необходимое для обработки снимков МРТ в тысячу раз. И это далеко не примитивный анализ. К примеру, облачная платформа Arterys¹⁹ позволяет быстро и точно измерить объем крови, выбрасываемый каждым желудочком сердца при его сокращении, а также сформировать 3D-карту кровяных потоков и измерить нагрузку на отдельные части этого органа (Molteni, 2017).

Израильская компания по разработке программного обеспечения Viz.ai аналогичным образом использует ИИ при анализе КТ-снимков головного мозга²⁰ для выявления проблем с мозговым кровообращением. Диагностика инсульта не является сложной процедурой, но анализ каждого снимка требует много времени, что увеличивает риск смерти пациента. Именно здесь искусственный интеллект доказал свою полезность в части быстрого и точного обнаружения проблем с кровообращением, позволяя врачам приступать к операции без потерь драгоценного времени.

Стоит отметить, что разработчики платформ для анализа медицинских снимков осознают, насколько важен и неотложен этот этап диагностики. Поэтому они хранят свои инновации в облаке, предоставляя глобальный доступ всем, кто в них нуждается. Ярким примером в этом контексте является Zebra AI1 — онлайн-сервис израильской компании Zebra Medical Vision²¹, который использует уникальные алгоритмы ИИ для проверки практически любых медицинских снимков всего за один доллар США. Когда система была протестирована на архивных материалах госпиталя в Оксфордском университете, она показала почти стопроцентный успех в распознавании пациентов с заболеванием (Dent, 2017). Еще одним лидером в этой области является американская компания PAIGE.AI²², которая имеет доступ к библиотеке из 25 миллионов снимков различных патологий и собственную платформу по диагностике и лечению рака.

Также большой прогресс был достигнут в использовании ИИ для анализа МРТ и КТ-снимков с целью выявления рака молочной железы, кожи, легких и поражений печени (см., соответственно, Johnson, 2019; Mammoser, 2018; «Arterys», 2018). Одной из прорывных технологий является ультразвуковой сканер Butterfly IQ²³ за 2 000 долларов США, что в пять раз дешевле стоимости аналогичных устройств. Размером с электрическую бритву Butterfly IQ может сканировать все тело и сразу же отправлять изображение через свое приложение на iPhone или iPad. А встроенный искусственный интеллект помогает обнаружить проблему за считанные секунды.

Быстрый анализ медицинских снимков в режиме реального времени уже сейчас используется при проведении операций. До недавнего времени это было невозможно, так как хирург не может остановить операцию на пару часов для ознакомления со снимками. Однако теперь благодаря точности и быстроте анализа ИИ такой необходимости нет. Другим примером является IDx-DR²⁴ — ведущая диагностическая система для выявления первых признаков диабетической ретинопатии, одного из наиболее серьезных осложнений сахарного диабета, которое может привести к слепоте. Это очень актуальная разработка, учитывая тот факт, что сахарный диабет становится одним из самых распространенных заболеваний нашего времени. По последним данным Всемирной организации здравоохранения, от диабета страдают около 8,5% взрослого населения по всему миру (WHO, 2016). Из них порядка 12% испытывают серьезные нарушения зрения вплоть до полной потери зрения²⁵. Своевременное обследование позволяет выявить развитие ретинопатии и предотвратить возможный ущерб для зрения. Это именно то, что делает устройство IDx-DR: точное обнаружение ранних признаков заболевания без участия людей-специалистов.

Методы искусственного интеллекта были очень успешными в прогнозировании осложнений, связанных с такими серьезными заболеваниями, как болезнь Паркинсона, легочная артериальная гипертензия, рак, диабет и болезни сердца. Исследования в этих направлениях среди прочих проводят компании Medopad и Tencent. Их задача — охват всех пациентов, которым требуется регулярный мониторинг здоровья и комплексное лечение.

Клиническое тестирование часто бывает дорогостоящим, а необходимость попасть в специализированный центр для небольшого, но очень важного теста может отрицательно повлиять на здоровье пациента. В настоящее время совместный проект Medopad-Tencent создает уникальную платформу, которая позволяет врачам удаленно выполнять такие задачи, как клинический мониторинг своих пациентов, включая отслеживание уровня активности и показателей жизнедеятельности, соблюдение пациентом режима лечения и приема лекарств, опросы и обучение пациентов, а также более эффективное планирование очных встреч с лечащим врачом. Medopad также расширяет сотрудничество с правительственными организациями Великобритании, предоставляя им возможность привлекать население к эффективному уходу за своим здоровьем, повышая тем самым общий уровень общественного благополучия.

Еще одно многообещающее направление использования ИИ в здравоохранении — фармакология, в которой лидируют такие фармацевтические компании, как Deep Genomics, Owkin, Insitro и многие другие. Однако настоящим титаном в этой сфере можно назвать компанию Atomwise²⁶, которая разработала собственную технологию искусственного интеллекта для открытия лекарств на основе низкомолекулярных соединений.

Используя тот же статистический подход, что и технология по автоматическому распознаванию лиц и управлению автомобилем, Atomwise извлекает информацию из миллионов экспериментальных исследований белковых структур. В этом случае ИИ помогает проанализировать не сотни, как в случае с традиционным тестированием, а миллиарды соединений, моделируя биохимические взаимодействия и подбирая наиболее эффективных и безопасных «кандидатов» для связывания целевого белка. Компания активно поддерживает исследователей со всего мира и уже достигла значительных успехов в тестировании лекарств от рассеянного склероза и вируса Эбола.

Исследователи из Гейдельбергского и Стэнфордского университетов разработали систему искусственного интеллекта на основе глубокого обучения, которая также превзошла профессиональных дерматологов в анализе различных поражений кожи и выявлении рака (Agence France Presse, 2018). Другие специальные устройства с применением ИИ анализируют данные датчиков сердечного ритма, показывая точность в 85% при обнаружении ранних признаков диабета. В случае снижения стоимости этих устройств они смогут помочь более чем 400 миллионам людей в мире, страдающим от этой болезни (Ballinger et al., 2018).

По оценкам экспертов IAPB Vision Atlas, 253 миллиона человек во всем мире имеют умеренное или серьезное нарушение зрения либо являются слепыми. 90% из них живут в развивающихся странах²⁷, и проблемы со зрением становятся для них основным препятствием при трудоустройстве. В США около 70% слабовидящих людей трудоспособного возраста также заняты неполный день²⁸. При этом ИИ способен улучшить качество жизни людей с нарушениями зрения, предоставляя, например, навигационную помощь через смартфон.

Возможности ИИ в области компьютерного зрения способны помочь с распознаванием объектов и чтением печатного текста. Одним из мобильных приложений в этой области является Seeing AI от Microsoft. Оно предлагается бесплатно и доступно пользователям в 70 странах. Отзывы о приложении демонстрируют высокий ежедневный спрос на него (Kelley, 2019).

Аналогичные решения были реализованы в камере OrCam MyEye — мини-камере, которая при установке на обычные очки может озвучивать то, что видит (McKinsey, 2018a). Устройство является портативным и не требует наличия смартфона, правда, стоит немало — около 3 000 долларов США. Вполне очевидно, что по мере развития данных технологий для людей с нарушениями зрения будет открываться все более детальный мир окружающих цветов, изображений и лиц.

ИИ показал многообещающие результаты в диагностике и лечении рака. Каждый третий диагноз рака — это рак кожи. Когда он обнаруживается на самых ранних стадиях, выживаемость составляет около 97%, но падает до 14%, если он не обнаружен до самых последних стадий (Kubota, 2017). Диагностика рака кожи обычно включает визуальный осмотр дерматологом. Однако в одном эксперименте ИИ показал точность в 95% по сравнению с 86% у профессиональных врачей (Haenssle et al., 2018). Эти результаты указывают на необходимость разработки мобильного приложения для скрининга рака кожи. Очень важно, чтобы такое приложение было доступно каждому, включая сельские общины по всему миру, которые не имеют доступа к врачам-дерматологам (Comstock, 2018).

Искусственный интеллект может способствовать решению ряда самых сложных социальных проблем в мире. Исследователи из McKinsey Global Institute в работе «Записки с рубежей ИИ: применение ИИ для общественного блага» (McKinsey&Company, 2018а) проанализировали около 160 примеров использования ИИ с социальным воздействием и разбили их на десять различных областей. Они пришли к выводу, что ИИ потенциально может помочь сотням миллионов людей во всем мире как в развитых, так и в развивающихся странах. Это может быть применимо к ряду вопросов от диагностики простых недугов до предупреждения стихийных бедствий и катастроф.

Серьезной предпосылкой применения ИИ в медицине является значительный экономический эффект. По некоторым оценкам, только в США благодаря ИИ ежегодная экономия в сфере здравоохранения составит к 2026 году примерно 150 миллиардов долларов США (Accenture, 2017). При этом одним из наиболее перспективных направлений является виртуальный уход за пациентами. Уже сейчас пациенты могут получить консультацию медсестры круглосуточно, не выходя из дома. Виртуальный медицинский помощник может без участия врача быстро обработать жалобы пациента, подобрать оптимальное медучреждение, соединить с нужным специалистом, а также проверить результаты анализов. В некоторых случаях он может даже назначать лекарства и обеспечивать более интерактивную и эффективную связь между врачом и пациентом, существенно сокращая количество визитов в больницу.

Благодаря регулярному взаимодействию с пациентом, а также доступу к его записям и другим важным физиологическим показателям виртуальные «врачи» могут продолжать учиться и совершенствовать индивидуальный подход к каждому пациенту.

Еще одним важным преимуществом искусственного интеллекта, который быстро развивается в сфере здравоохранения, является возможность сокращения огромных административных расходов медицинских учреждений. Не секрет, что в большинстве случаев врачам приходится выполнять множество административных задач, что отнимает у них драгоценное время, которое они могли бы посвятить пациентам. Сегодняшние возможности ИИ включают в себя распознавание речи и текста, позволяя анализировать разговоры пациента с врачом, записывать жалобы больного, заполнять медицинские карты и выписывать рецепты.

Поскольку интеллектуальные системы участвуют в работе отдельных врачей, они способны помочь и в управлении многими процессами, протекающими в медцентрах. Например, Qventus²⁹, программная платформа на основе ИИ, может анализировать любые проявления неэффективности, оптимизировать поток пациентов, предупреждает об образовании очередей, о технических неполадках и предлагает оптимальные решения по разрешению возникающих административных вопросов. Эта система уже внедрена в ряде крупных медицинских центров в США.

Экономические потери несут не только медицинские учреждения, но и сами пациенты. В тех же Штатах только на лечение психических расстройств ежегодно тратится более 200 миллиардов долларов США (Roehrig, 2016). Тем не менее 60% пациентов с психическими расстройствами не получают всей необходимой помощи (Park-Lee et al., 2017). Это самая «дорогая» проблема со здоровьем в США, и она продолжает расти.

В условиях растущей нехватки адекватного ухода за пациентами Mindstrong использует машинное обучение для анализа функций мозга, когнитивных способностей и психологического состояния людей через обработку данных об использовании ими смартфонов — о касаниях, движениях и иных манипуляций с сенсорными экранами. Анализ ИИ показал очень похожие результаты с традиционной нейропсихологической диагностикой. Mindstrong запустил собственное приложение, которое обрабатывает эти анонимные данные и предупреждает пользователей о любых изменениях в их психическом здоровье, прежде чем они смогут заметить их самостоятельно. Приложение также может выполнять индивидуальные психологические вмешательства, которые дополняют терапию у врача или предотвращают развитие осложнений. Кроме того, специальное приложение объединяет пациентов и лицензированных специалистов по психическому здоровью в единую сеть, облегчая их взаимодействие и обеспечивая круглосуточную поддержку.

Столь существенный прогресс ИИ в диагностике заболеваний позволяет предположить, что в недалеком будущем виртуальные ассистенты изучат опыт взаимодействия пациентов и врачей настолько, что смогут самостоятельно принимать больных и проводить лечение.

Еще одним убедительным аргументом в пользу такого прогноза является IBM Watson — технология, в которую корпорация IBM в 2014 году инвестировала миллиард долларов США. В широком смысле IBM Watson — это суперкомпьютер с искусственным интеллектом, который может понимать людей, общаться с ними и отвечать на любые вопросы благодаря доступу к огромной базе данных объемом 200 миллионов страниц текста практически обо всем. Однако одной из первых областей, в которой IBM Watson стал экспертом, была медицина. Суперкомпьютер участвует в лечении онкологических заболеваний с 2013 года, обработав до этого 1,5 миллиона историй болезни (Steadman, 2013).

Сегодня он используется во многих крупных медицинских центрах по всему миру, где анализирует всю доступную информацию о пациентах, показывая онкологу самые важные моменты. Он может обнаружить патологию и найти наиболее оптимальное лечение для каждого пациента. Watson также постоянно совершенствуется. Он следит за последними достижениями в области медицины, просматривая миллионы отчетов, медицинских карт, клинических испытаний и статей в авторитетных медицинских журналах.

Технологические достижения ИИ в медицине демонстрируют реальные результаты в повышении эффективности здравоохранения и, следовательно, общественного благополучия. Однако примеров успеха в этой области могло быть намного больше, если бы не ряд препятствий, с которыми сталкиваются разработчики. Первым существенным препятствием на пути медицинского применения искусственного интеллекта являются национальные агентства по контролю качества.

В большинстве стран эти организации просто не готовы к прорывным разработкам новой технологической эпохи, проявляя консерватизм и выставляя бюрократические препоны. Самому старому и крупнейшему подобному агентству — Управлению по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA), США, требуется в среднем семь лет, чтобы утвердить новое медицинское устройство, а средняя стоимость его разработки оценивается почти в 100 миллионов долларов США (Gaur, 2017). Но огромный потенциал ИИ все же привел FDA к созданию отдельного отдела, состоящего исключительно из экспертов по искусственному интеллекту.

Осторожность регулирующих органов в отношении ИИ понятна. Отчасти это связано с тем, что большинство людей до сих пор не имеют четкого понимания того, какие возможности искусственного интеллекта уже стали реальностью. Согласно опросу руководителей компаний в сфере здравоохранения (Faggella, 2019), принятие искусственного интеллекта в здравоохранении сдерживается общепринятым отраслевым консерватизмом и необходимостью проведения тематических исследований для подтверждения рентабельности инвестиций в подобные разработки. Новые продукты ИИ слишком сложны для большинства работников здравоохранения, которым не хватает опыта работы с интеллектуальными технологиями.

Наше время чрезвычайно насыщено на инновационные применения ИИ в медицине. Большинство упомянутых примеров были реализованы только за последние 2–3 года. Активный обмен опытом в создании новых алгоритмов, получение доступа к терабайтам медицинских данных и привлечение международных организаций и деловых кругов помогут расширить применение искусственного интеллекта, превратив реальность в то, что совсем недавно казалось научной фантастикой.

Многие эксперты сходятся во мнении, что ИИ призван не вытеснить человека из медицинской профессии, но существенно улучшить результаты его работы, снижая риск критических ошибок. Как показывают последние достижения в области искусственного интеллекта, наилучшие результаты достигаются именно при совместной работе людей и ИИ.

Большой объем медицинской информации и новейшие технологии с использованием искусственного интеллекта не только обеспечивают более точную диагностику и эффективное лечение, но и делают здравоохранение персонализированным и доступным по всему миру, в том числе в Казахстане.

Виртуальные помощники

Когда разговор заходит об искусственном интеллекте, большинство людей не думают о нейронных сетях, которые используют глубокое обучение для обработки и анализа больших массивов данных. В воображении человека скорее рисуется образ «говорящей программы», которая отвечает на вопросы, делает прогнозы, активно участвует в повседневной жизни и имеет свою индивидуальность.

Без сомнения, самым известным примером такого «одушевленного» ИИ в современном мире является Siri. Это приложение было приобретено Apple в 2010 году, через два года после его официального выпуска. Разработка была создана Международным центром искусственного интеллекта SRI International и стала результатом 40-летней программы развития искусственного интеллекта, финансируемой DARPA, управлением перспективных исследовательских проектов Министерства обороны США, упомянутым ранее. Это, кстати, еще раз подтверждает давний интерес к искусственному интеллекту со стороны военных.

Сегодня каждый пользователь мобильных приложений или iPhone знает о Siri. Интеллектуальный помощник, как называет его Apple, представляет собой облачное приложение, которое является частью различных операционных платформ компании. Siri поддерживает широкий спектр пользовательских команд, выполняет различные задачи и отвечает на вопросы. Основной функцией Siri является интеллектуальное распознавание голоса, устное общение с пользователем, постоянное обучение и гибкость, благодаря которой при получении неоднозначных команд приложение всегда уточнит недостающую информацию.

Как и другие продукты Apple, Siri быстро стала популярной во всем мире. В настоящее время Siri может совершать звонки, отправлять и читать сообщения, планировать события и делать напоминания, искать и запоминать музыку, производить расчеты, отвечать на различные вопросы, заказывать такси, прокладывать маршрут и выполнять множество других простых задач. Но, несмотря на довольно широкий спектр полезных функций, возможности Siri за почти десятилетнюю историю изменились не столь существенно, как многие того ожидали.

Эту задержку часто связывают с поздним запуском SiriKit, инструмента для сторонних разработчиков, который появился лишь в 2016 году, спустя шесть лет после релиза помощника. С помощью этого инструмента разработчики могут создавать функционал для полноценной работы Siri в сторонних приложениях.

Вскоре после успешного запуска первого в мире голосового ассистента начался этап жесткой конкуренции. В 2014 году Microsoft представила свой аналог умного помощника, в 2016 году к гонке присоединились Amazon и Google, а в 2017 году на определенную долю рынка стран СНГ начала претендовать российская компания Яндекс. Конкуренты Apple интегрировали возможности Siri в свои продукты и сделали их открытыми с самого начала. Amazon даже платит разработчикам популярных навыков для своего помощника Alexa, мотивируя программистов со всего мира расширять его возможности новыми полезными навыками.

Подобная открытость виртуальных помощников очень выгодна как для их создателей, так и для владельцев программных продуктов, с которыми интегрируется помощник. Пользователи «умного» ассистента начинают чаще использовать приложения, в которых он может выполнять голосовые указания, и узнают о том, как управлять ими с помощью голосового помощника. При этом основным стимулом для создателей умных ассистентов является более активное развитие возможностей их продукта в сравнении с конкурентами.

Основным функционалом голосовых помощников является обработка естественной речи. Эта нетривиальная задача включает в себя не просто распознание речи, но и выбор правильного смысла из многих возможных интерпретаций. Обучение искусственного интеллекта для интуитивного понимания повседневной человеческой речи стало возможным благодаря прорыву в технологии глубокого обучения в середине 2000-х годов. При этом сам процесс обучения сложен, длителен и требует огромных выборок диалогов на разных языках, диалектах и с разным акцентом.

Голосовой помощник очень полезен для активных пользователей стандартных приложений на своих устройствах. Он отлично подходит для тайм-менеджмента, включая планирование, настройки напоминаний и навигации. Однако наиболее универсальной функцией виртуальных ассистентов является быстрый поиск ответов на вопросы, из-за чего эта технология получила альтернативное название «вопросно-ответная система». В этом смысле Google, Microsoft или Яндекс с их поисковыми системами имеют определенное преимущество.

Однако простого понимания естественной речи и быстрого и эффективного поиска уже недостаточно. Одной из главных задач для разработчиков ИИ было научить его учитывать контекст, который включает анализ огромного числа факторов.

Первым из этих факторов является история предыдущих запросов. Если пользователь спрашивает: «Где находится ближайшая станция метро?», а затем продолжает: «Какой самый быстрый способ добраться до нее?», то голосовой помощник должен понимать, что пользователь имеет в виду под словами «до нее». Во-вторых, помощник также должен учитывать ситуацию запроса и множество других факторов, начиная от местоположения, времени суток и расписания пользователя до окружающих звуков и возможных движений пользователя во время запроса. В-третьих, помощнику очень важно знать привычки пользователя и учитывать их. Для этого, помимо обучения на основе запросов, поступающих от всех пользователей, помощник должен изучать каждого пользователя в отдельности, чтобы точнее понимать намерения людей на индивидуальном уровне.

Персонализированный подход является главным козырем в руках любого разработчика искусственного интеллекта и особенно актуален для создателей виртуального помощника. Мы можем найти много разных видео, на которых пользователи пытаются вести непринужденную беседу со своими голосовыми помощниками. Некоторым умным помощникам это удается, другим не очень.

Например, разработка Яндекса, помощник Алиса, может рассказывать забавные истории и отвечать шутками в определенных ситуациях³⁰. В целом Яндекс-помощника отличает от конкурентов более яркая личность — это молодая девушка, обладающая чувством юмора и самоиронией, но способная дать тактичный отпор в случае нападок со стороны пользователей. Эти качества Алисы при общении с ней вызывают у пользователей ощущение живого и непринужденного общения, тогда как огромный опыт Яндекса в сфере развития поисковых алгоритмов делает Алису прекрасным помощником в решении большого спектра задач.

Появившись одной из последних, в конце 2017 года, Алиса быстро догнала и во многом обошла конкурентов от Apple, Amazon и Google (Хохлова, 2017). С марта 2018 года Алиса стала открытой для обучения новым навыкам сторонними разработчиками. Буквально за год Алису обучили десяткам тысяч новых навыков, лучшие из которых стали доступными для всех пользователей. Помимо управления стандартными функциями смартфона, Алиса может заказать товар, поиграть в игры, почитать ребенку сказки, спеть песню и осуществлять многие другие необычные навыки. Кроме того, одним из самых главных умений Алисы является управление «умным» домом с помощью системы динамиков и микрофонов. Десятки ведущих производителей электроники и бытовой техники активно идут на интеграцию своих товаров с данной платформой управления «умным» домом³¹.

Еще одним гигантом на рынке голосовых помощников является Xiaoice — виртуальный собеседник от Microsoft, разработанный в 2014 году в китайском подразделении корпорации. Разработчики сделали ставку на развитие разговорных навыков помощника, оснастив его, помимо искусственного интеллекта, эмпатией. При этом Xiaoice не просто настраивается на эмоции собеседника, но и определяет различные группы пользователей по их интересам и потребностям, выстраивая соответствующий диалог. Кроме того, виртуальный собеседник использует, так называемую, «полнодуплексную речь», что позволяет ему общаться в обоих направлениях, сокращая до минимума задержки между вопросом и ответом. Сочетание всех этих функций делает общение Xiaoice максимально похожим на обычный разговор двух людей.

Xiaoice является одним из самых перспективных чат-ботов на сегодняшний день, что подтверждается огромным количеством зарегистрированных пользователей — 660 миллионов по всему миру (Si, 2018). Xiaoice активно используется в таких социальных сетях, как, например, Facebook и Weibo, а также в мессенджерах WeChat и QQ. Все эти платформы позволяют обычным пользователям интегрировать чат-бот Xiaoice в своем аккаунте, автоматизируя обработку запросов от других пользователей.

Столь большая аудитория позволяет Xiaoice быстро обучаться и совершенствовать свои навыки, осваивая различные направления человеческой деятельности. Xiaoice, к примеру, уже написала сборник из 139 поэм³², выпустила десятки песен (Spencer, 2018) и свою коллекцию художественных принтов и цветовых сочетаний для одежды («Microsoft’s Xiaoice», 2018). Более того, помощник работает на телевидении и радио в качестве ведущего десятков ежедневных программ (Soo, 2018). И это далеко не предел его возможностей.

Учитывая, что основной упор в работе умного собеседника сделан на китайский язык, Xiaoice имеет очень большой потенциал развития с постепенным освоением и других языков. Ведь на данный момент виртуальный собеседник полноценно развернут лишь в пяти странах — Китае, Японии, США, Индии и Индонезии.

Сегодняшние виртуальные помощники пока явно отстают от своих коллег-роботов из научной фантастики. Цифровой помощник, который может позвонить реальному человеку и самостоятельно назначить встречу, обсудив различные варианты времени, места и подобрав оптимальный вариант, еще не изобретен.

ИИ современных виртуальных помощников еще не обладает достаточным уровнем интуитивного понимания, так как задачи, которые они могут выполнить уверенно, должны зависеть от строгих наборов параметров, правил и алгоритмов. И все же есть пример искусственного интеллекта, способного довольно легко общаться с человеком на разные темы. Это робот София (Sophia), разработанный гонконгской компанией Hanson Robotics. Впервые запущенная в 2015 году женщина-робот уже поучаствовала в сотнях мероприятий и телевизионных передач, вселяя во многих уверенность в том, что искусственный интеллект достиг человекоподобного самосознания.

Последнее, как и в случае с любым другим ИИ, пока не является правдой. Но София непрерывно обучается и совершенствует свои коммуникативные навыки, что многими воспринимается как сознательное осмысление информации. Кроме того, она умеет ходить, хорошо различает людей, лица и пространство вокруг с помощью встроенных камер, имитирующих человеческие глаза. Она также распознает человеческую речь, воспроизводит жесты, эмоции и умеет шутить.

У Софии имеются навыки, чтобы знакомиться с людьми и вести с ними связный диалог. Она давала многочисленные интервью, а в 2017 году была представлена в Организации Объединенных Наций, где побеседовала с заместителем Генерального секретаря ООН Аминой Дж. Мохаммед. В том же году София получила гражданство Саудовской Аравии, поблагодарив страну за оказанную честь быть «первым роботом в мире, который смог получить гражданство».

Как и Siri, София очень быстро обрела большую популярность с момента появления первой информации о ней. Различные передачи и события с ее участием привлекают дополнительное внимание. На этом фоне создатели первого гуманоидного робота с искусственным интеллектом часто подвергаются критике за завышение ее возможностей. Она не идеальна, но продолжает постоянно развиваться. Небольшим, но интересным примером способности Софии изучать человеческие привычки является история о том, как она научилась смотреть в камеру и улыбаться фотографу в тот момент, когда он делал ее снимки (Mallonee, 2018).

Компания-разработчик не останавливается на достигнутом. Она планирует создать децентрализованную облачную блокчейн-платформу, которая стала бы своего рода социальной сетью для искусственного интеллекта. Любой разработчик сможет загрузить свой ИИ в эту сеть, где различные образцы смогут обмениваться опытом и навыками. Данная инициатива открывает двери к созданию первых прототипов искусственного общего искусственного интеллекта (AGI), который может сначала достичь, а затем и превзойти возможности людей при выполнении любых умственных задач.

Финансовый сектор и машинное обучение

Сегодняшние технологии глубокого анализа и машинного обучения позволяют активно применять искусственный интеллект в самых разных областях рынка финансов. В погоне за конкурентными преимуществами финансовые организации стремятся внедрить в свою работу «умные» технологии, что приводит к заметной трансформации всего финансового сектора.

Искусственный интеллект предоставляет возможность более точно анализировать поведение и предпочтения потребителей финансовых услуг, оценивать риски, автоматизировать тысячи рабочих процессов, выводить четкое обоснование для принятия финансовых решений и многое другое.

Весьма показательным с точки зрения экономического эффекта является практика применения умных технологий в сфере кредитования. Здесь ИИ предоставляет более быструю и точную оценку кредитоспособности заемщиков и возможных рисков. В результате при меньших затратах достигается возможность выдачи более надежных займов.

Подобные технологические решения активно применяются, в частности, Сбербанком — лидером освоения ИИ на постсоветском пространстве. Компания внедрила ИИ в свою систему быстрых займов, называемую «Кредитная фабрика». Благодаря внутренним интеллектуальным системам и алгоритмам машинного обучения, которые анализируют огромные реестры различных данных о клиентах, ИИ позволяет существенно снизить риски выдачи плохих кредитов. При этом автоматизация этих важных и сложных задач позволила в разы сократить сроки рассмотрения заявок и число вовлеченных сотрудников. В итоге за 10 лет практического использования данной системы Сбербанком было выдано кредитов на сумму 12,3 триллиона рублей (почти 200 миллиардов долларов США) ³³.

Помимо повышения надежности займов, оценка кредитоспособности, произведенная искусственным интеллектом, может использоваться для охвата заемщиков, не имеющих кредитную историю. Число таковых активно растет в развивающихся странах. На этом фоне начали появляться стартапы, предлагающие уникальные подходы в этом направлении. Причем эти компании могут функционировать как самостоятельные займодатели либо внедрять свои программные решения в деятельность уже существующих финансовых учреждений.

На кредитование новоиспеченных представителей среднего класса нацелился и сингапурский стартап Lenddo³⁴, который использует ИИ для анализа кредитоспособности на основе так называемого «цифрового следа» — любой цифровой информации о человеке, к которой он дает доступ через специальное приложение на смартфоне. В рамках одной заявки алгоритмы машинного обучения анализируют в среднем более 12 тысяч показателей онлайн-активности человека, на основе которых строится его кредитный рейтинг. И все это менее чем за три минуты!

Таким образом, система Lenddo становится уникальным посредником между заемщиком и кредитором: с одной стороны, она облегчает заемщикам доступ к средствам, с другой — обеспечивает кредитные организации качественной оценкой кредитоспособности, пополняя клиентскую базу надежными заемщиками.

Алгоритмы Lenddo уже успели доказать свою уникальную ценность после того, как гиганты в сфере кредитного скоринга — FICO (FICO, 2016) и Experian (Cision, 2017) — объявили о сотрудничестве и использовании данной технологии в рамках продвижения своих услуг на быстрорастущих финансовых рынках Индии, Индонезии и Вьетнама.

Не менее впечатляющим примером использования ИИ в кредитовании является стартап Zestfinance³⁵, основанный экспертами машинного обучения из Google и других высокотехнологичных компаний. Главный продукт компании — платформа кредитного андеррайтинга Zaml. В ее работе также применяется машинное обучение, которое используется для кредитных моделей, повышающих качество выдаваемых займов.

Одним из главных преимуществ своей платформы компания считает наглядность работы своих алгоритмов, позволяющую преодолеть так называемую «проблему черного ящика», фразы, применяемой для описания сложности понимания искусственного интеллекта в процессе принятия решений. Zestfinance работает в сфере потребительского, коммерческого, ипотечного и автокредитования и активно сотрудничает с Microsoft, Ford Credit, Discover Financial Services (см., соответственно, Knapp, 2018; Ford, 2017; Andriotis, 2019) и многими другими всемирно известными корпорациями. Но, вероятно, наибольшим успехом стартапа является сотрудничество с лидером на рынке поисковых систем в Китае, компанией Baidu, в рамках которого Zestfinance определяет кредитоспособность миллионов пользователей Baidu на основе данных об их онлайн-активности (ZestFinance, 2016).

Еще один стартап под названием Upstart³⁶, основанный бывшими ведущими сотрудниками Google, прогнозирует с помощью машинного обучения кредитоспособность людей, дополняя этой информацией традиционные кредитные рейтинги FICO, историю займов и данные о доходе. Прогностические модели, построенные искусственным интеллектом, повышают точность оценки кредитоспособности человека, анализируя данные о его образовании, включая средний балл аттестата, количество баллов SAT — стандартизированного теста для приема в высшие учебные заведения, специализацию высшего образования, а также опыт работы.

Компания Upstart функционирует как самостоятельный заимодатель и за пять лет своего существования выдала кредитов на сумму более 3,8 миллиарда долларов США. 60% из них были полностью автоматизированы и выданы в среднем за полчаса. Столь высокая автоматизация стала возможной благодаря тому, что Upstart с помощью искусственного интеллекта моделирует все компоненты по каждому кредиту, включая погашения, предоплаты, просроченные платежи, и постоянно совершенствует свою модель на основе реальных данных. В результате почти 90% текущих и закрытых кредитов компании были погашены в срок, а столь точная оценка рисков помогает компании активно осваивать рынок необеспеченных потребительских кредитов, предлагая заемщикам более выгодные условия.

Приведенные примеры стартапов — образец того, как небольшая группа энтузиастов-технарей, используя ИИ, способна осваивать рынок кредитования целых стран. Их методы показывают, что искусственному интеллекту по силам точно предугадывать кредитоспособность даже тех, кто не имеет историю заимствований. При этом в ход идут самые разные данные — будь то активность в соцсетях, история поисковых запросов или оценки, полученные в школе.

В рамках работы крупного банка переход от традиционных методов кредитования к инновационным — процесс довольно трудоемкий и долгий. При этом зарегулированность банковского сектора в части кредитования зачастую тормозит процесс перехода к умным технологиям. Не стоит забывать и об аспектах занятости и корпоративной экосистемы, ведь внедрение машинного обучения сулит сокращениями огромному числу кредитных менеджеров, потребность в которых аннулируется возможностями ИИ. Все это объясняет инертность банков, когда масштабы компании начинают играть против нее. На этом фоне закономерно появление на финансовом рынке новых динамичных игроков, формирующих явный тренд движения к будущему, в котором рынок кредитования будет целиком в руках искусственного интеллекта.

И все же банковский сектор не стоит на месте. Одним из самых популярных видов применения искусственного интеллекта является внедрение в работу банка чат-ботов. Не секрет, что качество обслуживания клиентов является ключевым фактором в развитии банка. Оно формируется из множества составляющих: скорость оказания услуг, точность и доступность информации, личный контакт с клиентом, количество действий, которые клиент должен совершить, и многое другое. Чат-бот или виртуальный ассистент, работающий на основе искусственного интеллекта, способен повысить эффективность обслуживания на каждом его этапе.

Крупнейшие финансовые конгломераты США и Великобритании, такие как Bank of America, JPMorgan Chase, Wells Fargo и HSBC, вкладывают в эту технологию миллиарды долларов. И это неудивительно, ведь чат-боты имеют ряд серьезных преимуществ.

Во-первых, виртуальные ассистенты гарантируют клиентам мгновенный и круглосуточный отклик на их запросы, что значительно удобнее продолжительных телефонных звонков в справочную службу банка, которая в большинстве случаев доступна лишь в рабочее время.

Во-вторых, чат-боты просты в использовании и значительно облегчают доступ к продуктам и услугам банка. Каким бы удобным и интуитивно понятным ни было мобильное приложение, пользователям гораздо проще дать голосовую команду чат-боту, чтобы получить мгновенный доступ к любым возможностям цифрового банкинга.

В-третьих, это, конечно же, персонализация — одно из главных преимуществ машинного обучения. Взаимодействуя с клиентом, виртуальный помощник параллельно изучает его запросы, расходы, бюджет и прочую информацию о его финансовом поведении. Чат-бот может вести учет трат, отражать их в удобном для пользователя виде и вносить предложения по их оптимизации. Он может рассчитать кредитоспособность, дать советы по сбережениям и предложить именно те продукты и услуги банка, которые наилучшим образом подходят под финансовые характеристики клиента.

Все эти преимущества в той или иной мере продемонстрированы на реальных примерах. Так, виртуальным помощником Erica от Bank of America уже пользуются более 6 миллионов пользователей. За менее чем год своего функционирования чат-бот обработал 35 миллионов запросов³⁷.

Erica обладает набором таких навыков, как поиск по совершенным транзакциям, бронирование времени посещения банка, отображение платежей и формирование расписания по их выплате, переводы средств между счетами и с помощью цифровых платежей Zelle. Кроме того, Erica вовремя оповещает о приближающихся сроках различных платежей, может установить лимиты по тратам и обналичиванию, информирует о льготах, которые клиенты могут получить в рамках различных программ банка (Condon, 2018).

В отличие от чат-бота Bank of America, который интегрирован в мобильное приложение банка, виртуальный помощник банка Wells Fargo реализован через Facebook Messenger и призван облегчить взаимодействие с банком активных пользователей данной социальной сети и мессенджера. Функционал помощника немного скромнее, чем у Erica, однако чат-бот Wells Fargo может также быстро обеспечить всей необходимой информацией о счетах, транзакциях, затратах и местоположении ближайших банкоматов и отделений (Burnett, 2017).

Современные чат-боты, представленные различными банками, в целом обладают похожим набором навыков: работа со счетами, предоставление данных по затратам, транзакциям и платежам, различные оповещения, бронирование посещений банка, а также вывод справочной информации об отделениях и услугах банка. К слову, уже только это делает жизнь клиентов и персонала значительно проще. Однако существуют и другие примеры, когда работа виртуального помощника приводит к реальным сделкам.

К примеру, ОСВС банк, один из крупнейших в Юго-Восточной Азии, успешно запустил программу Emma на базе искусственного интеллекта, которая обрабатывает запросы на консультацию по кредитам на покупку жилья и реновацию³⁸. Только за первые 4 месяца после запуска Emma успешно обработала 20 тысяч запросов, 10% которых привели к реальным займам. В результате менее чем за год работы чат-бот помог оформить ипотечные кредиты на 70 миллионов долларов США (Lee, 2017), при этом 90% клиентов остались довольны взаимодействием с ним. Emma способна не просто предоставить качественную консультацию, но и рассчитать объем займа, на который может рассчитывать клиент, а также провести клиента через все этапы оформления кредита.

В финансовом секторе, как и в других областях экономики, автоматизация играет ключевую роль в снижении издержек. Так, согласно некоторым исследованиям, только за счет автоматизации определенных задач с помощью ИИ финансовая индустрия сможет сэкономить триллион долларов США в следующие 10 лет (Kabza, 2019).

При этом вклад искусственного интеллекта в комбинации с оптимизацией бизнес-процессов создает так называемую «интеллектуальную автоматизацию». Последняя, по данным исследований Capgemini, уже в 2020 году приведет к генерированию дополнительных доходов в 512 миллиардов долларов США в сфере финансовых услуг, 243 миллиарда долларов США в сфере страхования и 269 миллиардов долларов США в банковской сфере (Priyanka, 2018).

Не уходя далеко от темы виртуальных помощников, стоит упомянуть, что на сегодняшний день их потенциал максимально раскрывается именно в роли вспомогательного инструмента для живого консультанта. Современные возможности машинного обучения позволяют ИИ анализировать работу операторов справочной службы и помогать им в предоставлении информации.

Благодаря внедрению данной технологии Сбербанк, к примеру, сократил среднюю продолжительность звонка в колл-центр до 3,5 минуты, что на 50% быстрее, чем ранее («Робот,» 2018). Шведский банк Nordea внедрил схожую технологию искусственного интеллекта для автоматизации обработки и пересылки запросов клиентов в ответственный отдел. В этом же направлении продвинулся и эстонский стартап Feelingstream, чья технология анализирует и классифицирует сообщения клиентов, направленные в соответствующий сектор для обработки. Она может анализировать сотни сообщений в секунду, что приводит к ускорению времени отклика и улучшению взаимодействия с клиентами («Swedish,» 2017).

JPMorgan Chase разработал платформу Contract Intelligence (COiN), предназначенную для анализа юридических документов, в частности кредитных договоров (JPMorgan, 2017). Таким способом банк существенно облегчил жизнь своим юристам, ведь тот объем документов, который ИИ обрабатывает за считанные секунды, человек анализировал бы 360 тысяч человеко-часов.

Еще одним трендом развития автоматизации в финансовом секторе является активное внедрение Роботизированной автоматизации процессов (Robotic Process Automation — RPA). Если еще недавно автоматизация требовала трудоемкого и продолжительного написания сложных программных кодов, то более новые решения предполагают графическое распознание и запись действий пользователя с автоматической трансформацией в программный код. Однако наиболее передовые инструменты интегрируют в данный процесс искусственный интеллект, который сам распознает действия, объекты интерфейса и текст, объединяя их в единые алгоритмы для автоматизации бизнес-процессов.

Многие работники банков ежедневно выполняют сотни одних и тех же действий на своем компьютере, на которые уходит ощутимая часть рабочего времени. К тому же возрастает риск ошибок. Поэтому многие банки активно интегрируют в свою работу имеющиеся инструменты по роботизированной автоматизации. Например, Bank of NY Mellon Corporation еще в 2017 году внедрил более 250 «виртуальных роботов», разработанных Blue Prism, которые автоматизировали определенные процессы³⁹. JPMorgan Chase воспользовался роботизированной автоматизацией от Kofax, благодаря их программным решениям можно повысить производительность на 35–50%, полностью исключить ошибки ввода данных, ускорить среднее время обработки на 30–50% и сократить таким образом издержки компании на 25–50% (KOFAX, 2019).

Помимо увеличения производительности и устранения фактора человеческой ошибки, автоматизация выводит на новый уровень и такое направление финансовой деятельности, как трей-

динг. Основными задачами трейдера являются анализ рынка и заключение на его основе торговых сделок. Эти функции могут быть полностью автоматизированы при помощи сегодняшних возможностей искусственного интеллекта. Интеллектуальные торговые системы могут мониторить сотни баз структурированных данных и обрабатывать информацию из таких источников, как социальные сети и новостные порталы. И все это — на запредельных для человека скоростях.

Согласно исследованию Inventure Recruitment, инвестиции, сделанные на основе так называемой «алгоритмической торговли», превысили в 2018 году триллион долларов США. Тренд налицо — еще в 2000 году в Нью-Йоркской штаб-квартире инвестиционного банка Goldman Sachs работало 600 трейдеров. А сегодня их осталось лишь двое. Работа остальных с избытком покрывается программами автоматизированной торговли, которые обслуживают 200 компьютерных инженеров. Роль последних на фоне бурно развивающихся технологий существенно возросла, учитывая, что сегодня их численность в штабе компании составляет более 9 000 тысяч человек, или четверть всего персонала (Byrnes, 2017).

В этом же направлении двигается и Deutsche Bank, который запустил собственную платформу Autobahn 2.0 для торговли ценными бумагами с возможностями искусственного интеллекта⁴⁰. Данная платформа обладает механизмом самообучения, который позволяет повышать качество прогноза цен и объемов акций и, соответственно, достигать наилучших сделок. Осознавая масштабы возможной автоматизации, руководство Deutsche Bank уже объявило о том, что роботы действительно способны заменить очень многих специалистов, работающих в банке, что приведет к неизбежным сокращениям сотрудников (Noonan, 2017).

Систему прогнозирования цен Alpaca.AI также запустило агентство Bloomberg — один из главных мировых поставщиков финансовой информации. С помощью искусственного интеллекта система определяет скрытые для человека закономерности колебания цен, помогая в работе трейдерам и инвесторам.

Другая медиакорпорация, Nikkei, также создает собственное программное обеспечение на основе ИИ, которое предсказывает колебания на рынке Форекс. Несмотря на то что программа еще находится на стадии разработки, она уже доказала свою эффективность, победив в ежеквартальном соревновании по предсказыванию курса доллар — йена, которое проводит Nikkei (Takahashi, 2018).

Когда речь заходит об использовании искусственного интеллекта в финансовой сфере, нельзя не упомянуть о его вкладе в выявлении мошенничества, которое становится все более распространенным из-за развития электронной коммерции и онлайн-транзакций. По результатам исследования компании PricewaterhouseCoopers, в 2018 году 49% организаций по всему миру указали, что стали жертвами мошенничества и экономических преступлений. При этом половина этих преступлений (52%) была совершена внутри самой организации, тогда как кибератаки отмечены в трети случаев (31%) (PWC, 2018b).

Искусственный интеллект уже доказал свою эффективность по обнаружению мошенничества. И особенно в предотвращении случаев мошенничеств с кредитными картами, которые стремительно растут в последние годы. Mastercard, к примеру, разработала платформу безопасности Decision Intelligence, которая использует технологию машинного обучения. Анализируя в режиме реального времени данные с учетных записей, система имеет определенные пороги отклонений и самостоятельно предупреждает об обнаружении аномального поведения в сфере покупок и иных транзакций. Таким образом, система может оперативно отреагировать на случаи мошенничества и предотвратить кражу средств⁴¹.

Схожий подход используется и Сбербанком, чья интеллектуальная система BI. ZONE, анализируя сотни параметров о клиентах, выявляет аномальное поведение при управлении финансами. На основе данных об использовании мобильного приложения банка, информации о покупках, способах оплаты и других переменных система формирует паттерн цифрового финансового поведения человека. Сильной стороной такого подхода является тот факт, что цифровое поведение человека практически никогда не меняется, поэтому любые отклонения от нормы являются практически стопроцентной гарантией мошеннического вмешательства⁴².

Помимо определения аномалий в цифровом поведении человека, свое применение находят и другие инструменты финансовой защиты на основе ИИ. Например, благодаря развитию технологий определения лиц в банках и платежных системах все более популярной становится биометрия распознавания лица, или, как ее называют по-другому, «селфи-платежи» (Mastercard, 2015). Совершая покупку с помощью карты или платежного счета, человек должен подтвердить ее с помощью сканирования своего лица через мобильное приложение на смартфоне.

Для определения аномалий искусственный интеллект пускает в ход самые разные данные — геокоординаты, частоту нажатий на смартфоне, высоту, над которой человек держит телефон, и многое другое. Специалисты в области ИИ и финансовой безопасности объединяют свои усилия и создают новые решения и стартапы, охватывая быстрорастущий рынок электронной торговли. Их программными решениями начинают пользоваться тысячи компаний самой разной масти, включая крупные банки.

К примеру, JPMorgan Chase уже давно сотрудничает с компанией Kount⁴³ — одним из лидеров на рынке инновационных решений по выявлению мошенничества для цифрового бизнеса. А банк HSBC заключил партнерские отношения со стартапом Quantexa, чье программное обеспечение на основе ИИ позволяет выявлять отмывание денег, мошенничество и финансирование терроризма (Arnold, 2018).

Осознав возможности ИИ по изучению цифровых привычек своих клиентов, финансовые организации стали активно изучать их потенциал в части повышения персонализации своих продуктов.

Персонализация — это то, что так или иначе достигается практически во всех умных решениях, которые мы успели затронуть в данном разделе. «Умные» платформы по оценке кредитоспособности позволяют финансовым организациям находить идеальный баланс между рисками и возможностями на индивидуальном уровне. Чат-боты и вспомогательные системы в колл-цент-

рах изучают запросы клиентов, чтобы улучшать качество сервиса для каждого в отдельности. Тем же занимаются и «умные» системы безопасности, которые защищают клиентов от финансового мошенничества.

Развитие алгоритмов, изучающих цифровое поведение людей, запустило тренд на персонализацию мобильных приложений, которые становятся все более и более востребованными. Безусловно, это сулит огромную прибыль, учитывая, что, к примеру, приложением того же Сбербанка пользуются почти 50 миллионов человек. Обладая большим опытом применения ИИ в своей деятельности и продуктах, Сбербанк уже внедрил его в свое приложение, которое теперь будет подстраиваться под каждого клиента в соответствии с его предпочтениями. Оценка происходит по более чем 1000 параметрам, что позволяет искусственному интеллекту автоматически менять интерфейс приложения, обеспечивая более быстрый доступ к самым востребованным операциям.

По мере развития мобильного банкинга большую популярность обретают также приложения, которые позволяют оптимизировать расходы и управлять сбережениями. Одним из лидеров по созданию «умных» платформ финансового менеджмента является израильская компания Personetics Technologies, решения которой используют 6 из 12 самых крупных банков Северной Америки и Европы, включая Wells Fargo, Royal Bank of Canada, BNP Paribas и другие (Penn, 2018). В своих продуктах компания использует сочетание машинного обучения, обработки естественного языка и прогностической аналитики на базе ИИ. С помощью сервисов Personetics банки предлагают своим пользователям интерактивное приложение, которое способно ставить финансовые цели и получать оптимальные пути их достижения. При этом чат-бот сам выходит на связь с клиентом, предлагает подсказки по экономии, предупреждает об отклонении от финансовых планов.

На сегодняшний день ИИ начинает использоваться практически всеми ведущими банками, а также крупными финансовыми и аналитическими организациями (например, Equifax (Nordqvist, 2019) и SAS⁴⁴), что указывает на динамичный переход всей отрасли в новую технологическую реальность. Рынок финансовых услуг штурмуют высокотехнологичные стартапы, активно меняя его облик и правила игры. Крупные банки, несмотря на возраст, попросту не могут себе позволить проявлять консерватизм. На фоне того, как финансовые потоки все больше уходят в цифровое измерение, а армия миллениалов вступает на путь финансовой независимости, конкурентная борьба в финансовом секторе переносится на поле внедрения умных чат-ботов, персонализированных приложений, минимизации рисков и максимальной автоматизации всех бизнес-процессов.

Новая архитектура транспортной отрасли

Одна из самых быстро развивающихся областей ИИ сегодня — автоматизированные системы вождения, наиболее известной частью которых являются беспилотные автомобили. И по прогнозам этот тренд будет только ускоряться. Некоторые эксперты говорят, что в ближайшие пять лет рынок вырастет втрое⁴⁵, в то время как другие ожидают, что он увеличится почти в десять раз (Kumar, 2018). Но абсолютно все сходятся в одном: беспилотные автомобили являются неотъемлемой частью нашего будущего.

Почему существует такое убеждение относительно нашего «беспилотного» будущего? Ответы довольно очевидны. Во-первых, искусственный интеллект может управлять автомобилем более безопасно, чем человек, а это важно для многих стран с высоким уровнем смертности на дорогах, включая Казахстан (WHO, 2017). Согласно последним данным Всемирной организации здравоохранения (WHO, 2018), в 2016 году дорожно-транспортные происшествия стали причиной смерти 1,35 миллиона человек (3 000–4 000 человек в день) и ранений десятков миллионов людей по всему миру. При этом ДТП являются основной причиной смерти людей в возрасте от 5 до 29 лет.

Другие преимущества перехода к беспилотному транспорту включают в себя более продуктивное использование времени для пассажиров, более доступные варианты транспортировки, улучшенное управление трафиком, а также экономические выгоды и сокращение выбросов.

Степень автономности транспортных средств различается по пяти уровням: первые два включают давно существующие возможности в некоторых автомобилях, включая технологии круиз-контроля и центрирования полосы движения. Начиная с третьего уровня, автомобили можно называть беспилотными. Этот уровень включает в себя транспортные средства с частичной автоматизацией при определенных условиях движения или окружающей среды, например, при использовании автопилота во время пробок или на автостраде.

Но в определенных ситуациях водитель все еще необходим в автомобилях третьего уровня, поэтому они должны быть оснащены полноценным сиденьем водителя. Автомобили четвертого уровня обладают высокой степенью автоматизации и в большинстве ситуаций не нуждаются в контроле со стороны человека. Наконец, пятый уровень относится к полностью автономной системе, способной работать без водителя-человека в любом сценарии вождения.

Сочетание ручного и автономного режимов управления и постоянное переключение между ними может нести дополнительные риски возникновения аварий, поэтому производители беспилотных автомобилей сосредоточились на создании транспортных средств четвертого уровня. Эта политика имеет смысл в связи с широко известными случаями аварий при тестировании беспилотных автомобилей, такими как смертельное ДТП по вине беспилотного автомобиля компании Uber (Stilgoe, 2019).

Автомобили четвертого уровня уже испытаны на дорогах, но пока нет крупномасштабного производства, которое, по одной из оценок, получит наибольшее развитие к 2025 году (Walker, 2019). Теперь это можно назвать настоящей гонкой, в которой такие технологические гиганты, как Google и Apple, конкурируют с автопроизводителями. Неудивительно, если учесть, что мировой автомобильный рынок измеряется сотнями миллиардов долларов США. Безопасность является главным фактором для автопроизводителей, поэтому тот, кто создаст первую, по-настоящему безопасную, полностью автономную систему вождения, сможет надолго закрепить свои лидирующие позиции.

В настоящее время лидером на рынке беспилотного вождения является компания Waymo One, проект холдинга Alphabet Inc. и входящей в него Google. Компания начала тестировать свою первую технологию беспилотного вождения раньше, чем кто-либо другой, еще в 2009 году. Она имела огромное преимущество в том, что у нее был доступ к Google Street View, в особенности к Google Maps, который предоставлял интерактивные панорамные виды городских улиц. Эти карты были неотъемлемой частью запуска полной пробной версии беспилотных транспортных средств в реальных дорожных условиях, где ИИ мог учиться, практиковаться и улучшать свои навыки вождения.

После почти семи лет испытаний в конце 2016 года Alphabet создала дочернюю компанию Waymo, которая через два года представила свою первую коммерческую службу беспилотного такси. Однако доступ к сервису был ограничен несколькими сотнями пользователей, которые ранее участвовали в тестировании на территории нескольких районов в Финиксе (штат Аризона, США). Все же это был большой успех: если до запуска рыночная капитализация Waymo оценивалась в 175 миллиардов долларов США (Rapier, 2018), то впоследствии компания оценивалась в 250 миллиардов долларов США (Ungarino, 2018).

Такие цифры привлекли многие компании к попыткам найти свою нишу на относительно пустом рынке беспилотного транспорта. Десять лет инвестиций в проект Waymo уже более чем окупились Alphabet. В настоящее время компания оценивается в 766 миллиардов долларов США и занимает третью позицию в списке Forbes крупнейших публичных компаний мира⁴⁶.

Waymo по праву считается самым опытным «виртуальным водителем», который в настоящее время проехал уже более 16 миллионов километров по дорогам общего пользования в 20 городах США. Компания заинтересована в распространении своей технологии и в других странах, однако в последние годы у производителя автономных такси появился серьезный конкурент в виде компании Яндекс.

Яндекс и Google во многом похожи: каждая предлагает поисковую систему, картографическую службу, электронную торговлю, медиаресурсы и многое другое. При этом Яндекс также известен своим сервисом онлайн-заказа такси с колоссальным географическим охватом: 300 крупных городов в 16 странах мира. Большой опыт во всех этих отраслях помог компании представить в 2017 году собственный проект беспилотного такси. С тех пор Яндекс уже приступил к активному тестированию своих технологий в Москве и в технопарке маленького городка Иннополис в Татарстане. Кроме того, в начале 2019 года беспилотный автомобиль Яндекс на базе модели Toyota Prius возил участников международной выставки CES в Лас-Вегасе (Кинякина, 2019). Яндекс также активно создает свой научно-исследовательский центр в Тель-Авиве («Яндекс начнет», 2019), где иностранным компаниям разрешено тестировать беспилотный транспорт на дорогах общего пользования. К слову, среди всех стран мира подобные опыты возможны только в США, с разрешения местных властей.

Потенциал Яндекса в сфере автономного вождения делает его одним из фаворитов гонки за освоение рынка беспилотного такси. Компания уже подписала соглашение с южнокорейской Hyundai Mobis о совместном создании программно-аппаратного обеспечения, которое потом может быть интегрировано в автомобили различных марок. До конца 2019 года Яндекс планирует расширить парк тестируемых автомобилей до 100 штук («Яндекс увеличит», 2019), а полноценный запуск беспилотного такси, по заявлениям компании, может произойти уже в 2022 году («Яндекс не исключил», 2019).

Подготовка бортового искусственного интеллекта остается ключевой задачей для создания надежной системы, которая будет иметь исчерпывающий набор данных и действий для любой ситуации на дороге. Делает это возможным целый ряд датчиков, включая камеры, радары и лидар — ключевую технологию «зрения» беспилотного транспортного средства.

Представленный в 2007 году лидар представляет собой датчик, запускающий миллионы лазерных лучей и точно измеряющий отраженные импульсы. Таким образом, беспилотный автомобиль получает не только очертания окружающих объектов от изображений с радаров и двухмерных камер, но и динамическую трехмерную карту всех объектов в радиусе около 300 метров. В значительной степени будущее беспилотных автомобилей зависит от развития более экономичной и надежной технологии лидаров, которая в настоящее время все еще дорога и ограничена в своих возможностях.

Обучение систем беспилотного вождения полезно не только для улучшения навыков вождения ИИ, но и для создания карт высокого разрешения с точностью до сантиметрового уровня. Такая точность чрезвычайно важна в обучении ИИ для идентификации различных объектов: от поверхности дороги, машин и дорожных знаков до людей, животных и небольших объектов. Важно также не только местоположение объекта, но и его природа, которая позволяет ИИ ежесекундно прогнозировать его будущее поведение. Например, на этом этапе даже самая опытная система Waymo не может отличить клочок бумаги от камня. Но делать такие различия крайне важно, в противном случае система без водителя обречена принимать неправильные решения. Кроме того, плохие погодные условия значительно снижают способность беспилотных машин воспринимать пространство. На заснеженных дорогах датчики становятся практически бесполезными. Поэтому высокодетализированные виртуальные карты очень важны для автономного вождения в переменных условиях.

Другим вызовом, стоящим перед беспилотными автомобилями, является законодательная база. Любые испытания потенциально опасных беспилотных транспортных средств могут проводиться только с разрешения на законодательном уровне. США стали первыми инициаторами этого процесса — изменения в законодательстве начались в 2011 году. На сегодняшний день тестирование беспилотного автомобиля одобрено в половине штатов США (NCSL, 2019). Германия и другие страны последовали этому примеру в 2017 году, а Россия присоединилась к процессу в конце 2018 года. Правовые нормы могут включать ряд ограничений (ограничение скорости или обязательное присутствие в машине водителя-человека), которые препятствуют тестированию беспилотного транспорта в реальных условиях.

В связи с этим многие страны до сих пор нуждаются в реформах и не поспевают в тестировании беспилотных машин, тогда как государства с более гибкими законами приступили к освоению инновационного транспорта, не столк-

нувшись с правовыми барьерами. К примеру, в законах Финляндии изначально не прописана необходимость наличия водителя в автомобиле, благодаря чему по дорогам Хельсинки уже курсируют беспилотные электрические микроавтобусы от японской компании Muji и французской NAVYA (Hitti, 2019a; Lemola, 2018).

Последние активно продвигают свои экологичные роботизированные автобусы и в других странах мира, таких как Франция, Германия, Швейцария, Нидерланды, Швеция, Соединенные Штаты, Сингапур, Австралия, Канада и многих других. Японские же разработчики делают ставку на всепогодность своих автобусов и охват пассажиров из труднодоступных территорий. Кроме того, в будущем компания планирует занять нишу автономной доставки товаров.

Доставка товаров — это, безусловно, одна из наиболее масштабных сфер применения беспилотного транспорта. FedEx, лидер рынка почтовых и курьерских услуг, планирует запустить тестирование своего SameDay Bot в нескольких городах США летом 2019 года (Hitti, 2019b). Небольшой робот-курьер использует специальные алгоритмы машинного обучения и систему управления колес, позволяющие преодолевать различные преграды, подниматься по лестнице и, соответственно, доставлять товар «от двери до двери».

Немецкий автопроизводитель Continental выбрал более оригинальный способ достичь двери покупателя — их беспилотные микроавтобусы будут перевозить известных роботов-собак, разработанных Boston Dynamics, которые легко преодолевают различные непредсказуемые преграды, а также умеют открывать двери и передвигать предметы (Aouf, 2019a). Выбрав несколько адресов в одном районе, микроавтобус подъезжает к оптимальной точке, после чего выпускает четвероногих курьеров с посылкой.

Пока одни производители беспилотных роботов-курьеров тестируют свои решения в доставке, другие уже активно осваивают рынок. Так, в рамках проекта Starship, запущенного соучредителями Skype, к февралю 2019 года уже было выполнено 30 тысяч доставок.

Не менее перспективным направлением применения ИИ в транспортной сфере являются большие грузоперевозки. Если при вождении в городских условиях присутствует множество различных факторов и труднопредсказуемых сценариев, которые необходимо учитывать во избежание аварийных ситуаций, то грузоперевозки являются более линейным процессом. Большегрузные автомобили большую часть своего пути проводят на шоссе, где практически отсутствуют светофоры, перекрестки, пешеходы и т. д. Таким образом, грузовые перевозки являются прекрасным примером скорого внедрения беспилотного транспорта третьего уровня, в котором функции водителя частично могут быть переложены на искусственный интеллект.

На данный момент разработчики систем автоматизированного пилотирования и автопроизводители активно сотрудничают ради освоения рынка беспилотными грузовиками. Уже упомянутые Waymo, а также такие компании, как TuSimple, Embark, Tesla, Volvo, Daimler и другие, уже тестируют свои беспилотные грузовики на дорогах общего пользования. И эта гонка объяснима. Согласно оценке Американской ассоциации грузоперевозок⁴⁷, более 70% доставляемого груза в США осуществляется грузовиками, тогда как сам рынок оценивается почти в 726 миллиардов долларов США (Nodal, 2019). Несмотря на столь высокие цифры, отрасль переживает не лучшие времена. Оплата труда водителей заметно снижается в реальном выражении на протяжении последних десятилетий (Premack, 2018), побуждая их активно уходить с рынка (Mpetey, 2019). Сокращение числа водителей грузовиков на фоне бурно растущего рынка онлайн-продаж создает идеальные условия для запуска беспилотных грузоперевозок.

Производители автономных грузовиков при этом все еще не отказываются от услуг водителя — на данном этапе воплощение моделей 3-го и 4-го уровней автоматизации позволит существенно облегчить их труд. Пока искусственный интеллект управляет грузовиком, водитель может отдыхать, что в перспективе позволит им находиться в пути 24 часа в сутки, выполняя в 2,5 раза больше заказов.

Столь эффективное использование грузовиков может существенно сократить нагрузку на дороги и потребление топлива и, следовательно, снизить вред экологии. Учитывая ускоряющийся прогресс электрических автомобилей, экономический эффект от высокоэффективной, быстрой и экологичной доставки груза беспилотным электрогрузовиком способен дать мощный толчок в развитии многих отраслей, зависящих от грузоперевозок.

Участие искусственного интеллекта в грузоперевозках не ограничивается только вождением. Системы обработки больших данных и алгоритмы машинного обучения способны оптимизировать грузопотоки, вести постоянный мониторинг состояния машин и дорожной инфраструктуры, предсказывать образование заторов и предотвращать нехватку свободных грузовых единиц. С учетом всех этих и других возможностей искусственный интеллект кардинально изменит облик индустрии грузоперевозок и выведет логистические решения на новый уровень.

Другими словами, искусственный интеллект не заберет полностью место водителя. Скорее, наоборот, упростив работу дальнобойщиков, беспилотные возможности привлекут в отрасль новых людей, с лихвой восполнив текущий и прогнозируемый дефицит водителей грузовых машин.

Безопасность также будет повышаться. Большегрузные автомобили нередко становятся участниками аварий на дорогах, вызванных высокой усталостью водителей. По некоторым оценкам, искусственный интеллект может снизить количество аварий с участием грузовиков на 80% в ближайшие 20 лет (Calderone, 2018).

Компания Amazon, лидирующая на рынке онлайн-продаж, стремится создать собственную разработку по автономной доставке. Известная по своим амбициозным и инновационным проектам, Amazon нацелилась на самую быструю в мире доставку при помощи дронов. На конференции re: MARS в Лас-Вегасе, организованной владельцем Amazon Джеффом Безосом, было озвучено, что услуга беспилотной доставки «воздухом», вероятно, станет доступна уже в 2019 году (Hitti, 2019c).

Если с помощью дрона можно доставить товар, то почему бы не сделать его транспортным средством? Прототипы летающих машин уже здесь. Их тестированием активно занимаются такие компании, как Boeing, Airbus, Lilium и многие другие. О скором запуске «воздушного такси» уже заявили Uber и Дорожно-транспортное ведомство Дубая (Aouf, 2019b; Hitti, 2018a; Morby, 2017a; Gibson, 2017; Morby, 2017b). Реальные модели летающего беспилотного транспорта уже презентованы китайской Ehang⁴⁸ и голландской Pal-V (Hitti, 2018b). В гонке за автономный воздушный транспорт участвуют и многие другие компании, поэтому, вероятнее всего, мы увидим реальное использование беспилотного воздушного транспорта в недалеком будущем.

Дроны и беспилотный летающий транспорт меняют облик современных городов. Уже сегодня современные дома начинают строить с наличием специальных площадок для посадки и взлета летающих курьеров (Ravenscroft, 2019). При этом британская компания Skyports активно скупает крыши домов в Лондоне, планируя создать сеть портов для вертикального взлета и электрической подзарядки дронов, которая, по мнению компании, в ближайшем будущем станет обычной частью городской инфраструктуры (Fairs, 2018).

Возможности беспилотных аппаратов могут быть применены практически в любой сфере. В строительстве они оперативно доставят материалы и произведут точные замеры. В здравоохранении снабдят пациентов лекарствами, в сфере безопасности промониторят нарушения, в сельском хозяйстве — удобрят почву и даже уберут урожай. Они могут вести беспрерывный мониторинг чрезвычайных ситуаций и, возможно, предотвращать их эскалацию, обеспечивать всем необходимым тех, кто стал жертвой природных бедствий, эпидемий, и помогать в случае других трудно контролируемых угроз.

Уже сегодня беспилотные автобусы и такси курсируют по улицам городов, автономные грузовики и дроны доставляют товар, а первые самоходные корабли спущены на воду («Rolls-Royce», 2018). Но чтобы полностью адаптировать системы искусственного интеллекта к реальным условиям, многое еще предстоит сделать, при этом правовые барьеры для тестирования нуждаются в пересмотре или отмене.

Апробирование беспилотного транспорта в реальных условиях в значительной степени зависит от инфраструктуры, дорог и других местных условий. Определенно переход к беспилотному вождению неизбежно потребует изменений во всей дорожно-транспортной инфраструктуре. Учитывая, что автономно управляемый автомобиль в определенных ситуациях все еще сталкивается с трудностями при анализе окружающей среды, на помощь должны прийти другие источники информации. Прежде всего беспилотные автомобили должны постоянно «общаться» друг с другом через системы связи V2V (vehicle-to-vehicle), что поможет существенно сократить количество аварий⁴⁹. В ближайшее время технология V2V станет обязательной для всех новых автомобилей. Беспилотные автомобили также должны будут получать сигналы от таких объектов инфраструктуры, как здания, дорожные знаки и защитные барьеры. Отличительный сигнал должен излучаться всеми смартфонами и идентификационными датчиками, используемыми полицией, скорой помощью и другими службами.

Морские порты и суда начинают оснащаться устройствами слежения и датчиками, позволяющими производить безаварийную швартовку и отгрузку, в то же время аэропорты и вокзалы постепенно внедряют «умные» системы безопасности, оптимизации трафика и мониторинга неисправностей. Более того, промышленный Интернет вещей (IIoT) становится безграничным пространством для «умного» взаимодействия электроприборов и глубокой аналитики с достижением новых уровней эффективности. Совершенствование «умных» технологий и глубокой аналитики создает дополнительный толчок развитию автономного транспорта.

Готовность стран к запуску беспилотных транспортных средств зависит от нескольких факторов: уровня соответствующих технологий, инфраструктуры, законодательства и, конечно, от уровня потребительской готовности. Аудиторская компания KPMG разработала индекс готовности к беспилотным транспортным средствам и составила рейтинг 20 стран, стремящихся перейти к беспилотным автомобилям в будущем (KPMG, 2018). В топ-5 стран рейтинга вошли Нидерланды, Сингапур, США, Швеция и Великобритания. Страны с самым низким рейтингом — Китай, Бразилия, Россия, Мексика и Индия.

Очевидно, что большинство стран в ближайшие пять-десять лет начнут переходить на этот новый вид транспортной технологии. Казахстану также важно участвовать в этих изменениях как по причине потенциальной экономической важности, так и из-за ожидаемого повышения безопасности, эффективности логистики, управления транспортными потоками, затрат на инфраструктуру, снижения загрязнения и повышения мобильности. Это, в свою очередь, может снизить социальный стресс и «транспортное неравенство». Взятые вместе эти факторы открывают огромные перспективы.

Smart-города

Современные города занимают всего 2% поверхности нашей планеты. Однако это очень активные 2% — в них сосредоточено 80% мирового ВВП, 80% всех выбросов CO2 и 75% потребления ресурсов (Swilling, 2013). При этом города продолжают развиваться и расти: согласно прогнозам ООН, к 2050 году доля проживающих в городской местности вырастет с сегодняшних 55,2% до 68% (United Nations, 2018). Быстрый рост городского населения усиливает проблемы загрязнения окружающей среды, перегруженности дорог, нехватки ресурсов, таких как земельные участки, энергия и вода.

Все эти вопросы невозможно решить традиционными методами управления. Только используя современную науку и технологии в городском планировании, строительстве и управлении, такие как Интернет вещей, облачные вычисления, большие данные, географическая информация и пространственный анализ, можно эффективно управлять городом. Поэтому «умный» город — это не просто новый подход к решению проблем, которые ставит перед нами урбанизация, но также каркас для ускорения индустриализации, цифровизации и, как результат, экономического роста страны.

«Умные» города представляют собой набор взаимосвязанных сетей различных устройств и датчиков, где каждая сеть отвечает за одну главную функцию, например, одна отвечает за оптимальное водоснабжение и водоотведение, другая — за управление дорожным движением, третья — за пожарную безопасность, четвертая — за мониторинг уровня загрязнения, а пятая — за контроль преступности и так далее. Что более важно — все сети «умного» города могут активно взаимодействовать друг с другом, существенно повышая общую эффективность самой системы «умного» города. Система управления движением анализирует риски заторов и аварий, повышая эффективность аварийных, пожарных и медицинских служб. Таким образом, сложная архитектура взаимосвязанных сетей создает общую платформу городского управления. Она помогает в поиске новых решений на основе ИИ для постоянного мониторинга и анализа ситуации, прогнозирования и принятия оптимальных решений.

Сегодня большинство данных на платформах «умного» города генерируются фото- и видеокамерами. В ближайшем будущем эта ситуация не изменится. По оценкам NVIDIA, мирового лидера в области визуальных вычислений, к 2020 году на объектах государственной собственности, общественном транспорте, в коммерческих зданиях и на дорогах будет установлен миллиард камер, позволяющих делать 30 миллиардов снимков в секунду (NVIDIA, 2017).

Анализ всех этих данных является основным вызовом для эффективности «умных» городских платформ, и в настоящее время проводится большая работа. Например, с помощью «умной» платформы видеоанализа Metropolis, которая применяет глубокое обучение применительно к видеопотокам. Metropolis работает с сетью «умных» камер, оснащенных собственным аппаратным и программным обеспечением. Видеоанализ применяется для решения таких прикладных задач, как оптимизация бизнес-процессов, управление дорожным движением и обеспечение безопасности в правительственных учреждениях, торговых центрах и так далее.

Видеоанализ может помочь быстро найти потерявшегося человека, выявлять кражи и иные преступления, перераспределять нагрузку в торговых точках, складских помещениях или на парковочной территории, а также фиксировать нарушения техники безопасности на промышленных объектах и многое другое. Однако, какими бы «умными» ни были видеокамеры, они фиксируют далеко не все жизненно важные процессы городской среды.

Помимо повышения безопасности, эффективности энергопотребления и оптимизации нагрузки на инфраструктуру, концепция «умного» города ставит перед собой решение такой важной проблемы, как социальное неравенство. Достигается это повышением доступа граждан из менее благоприятных районов к наиболее качественным услугам. Однако прежде всего «умный» город должен быть обеспечен инфраструктурой, которая укрепляет социальные связи между представителями разных общин, проживающих в одном городе. Это могут быть улицы, площади, парки, культурные центры –любые места, которые укрепляют социальное взаимодействие и объединяют людей вокруг жизни города.

В Хельсинки, например, есть открытая бесплатная библиотека Oodi⁵⁰, которая представляет собой общедоступную площадку для культурной активности. Она оснащена кинотеатром, зрительным залом, студиями, кафе и коворкинг-зоной.

В Торонто компания по развитию инновационной городской инфраструктуры Sidewalk Labs вложила 1,3 миллиарда долларов США на создание целого района, который будет включать в себя различные решения для социальной интеграции⁵¹. К примеру, все пространства спроектированы в пользу максимально удобного передвижения пешком и на велосипедах. Вся инфраструктура при этом приспособлена для людей с ограниченными возможностями.

Однако не обязательно создавать социально ориентированную инфраструктуру с нуля. Так, некоторые районы в Барселоне были реорганизованы в самодостаточные блоки, обеспеченные всеми необходимыми услугами и общественно-развлекательными объектами (Roberts, 2017).

Основой для социальной интеграции могут стать и электронные платформы. Например, город Нью-Йорк, один из самых «умных» городов в мире, решил сделать собираемые данные полностью открытыми. Любой может использовать открытые данные NYC Opendata⁵² в исследовательских или коммерческих целях. Эта инициатива объединила исследователей, ученых и разработчиков вокруг разрешения различных проблем города и повышения благополучия его жителей. На основе NYC Opendata были проведены тысячи исследований и созданы тысячи аналитических систем, приложений, идей и обзоров.

«Умные» города нуждаются в очень обширном спектре качественных данных, для сбора которых необходимы универсальные сенсорные устройства. Один из самых значимых примеров может быть Сан-Диего, США: в 2017 году в городе было установлено около 3 200 «умных» сенсорных узлов, спроектированных и эксплуатируемых Current, дочерней компанией General Electric. Данные узлы похожи на обычные уличные LED-фонари, но помимо энергоэффективных ламп включают в себя ряд различных датчиков и камер.

Сенсорные узлы питаются от сети, созданной AT&T, крупнейшей телекоммуникационной компанией в мире. Сегодня они позволяют улучшить парковочную систему, дорожное движение, общественную безопасность и окружающую среду, повышая качество городской жизни. Власти Сан-Диего, как и их коллеги из Нью-Йорка, сделали собираемые данные открытыми для всех. Сейчас эти данные используются студентами, исследователями, программистами и бизнесменами для написания приложений, отвечающих их нуждам и открывающих новые грани анализа «умной» городской среды.

Система также имеет экономические преимущества: после первоначальных инвестиций 30 миллионов долларов США Сан-Диего ежегодно экономит 2,4 миллиона долларов США только на светодиодном освещении. Экономическое влияние всей городской платформы на базе ИИ намного выше.

Многие мегаполисы по всему миру запустили пилотные проекты «умных» городов. В одном только Китае 154 города работают над собственными «умными» проектами. Начатый в 2016 году в Ханчжоу проект «Городской мозг», созданный китайской корпорацией Alibaba, использует системы камер и датчиков по всему городу для сбора информации о состоянии дорог в режиме реального времени. Данные поступают в ИИ-хаб, который на их основе управляет светофорами на 128 перекрестках, помогая городским властям принимать оперативные решения.

Один красноречивый пример: система отслеживает машины «скорой помощи» на пути к больницам и последовательно переводит светофоры в зеленый режим, обеспечивая пациентов неотложной медицинской помощью. На самом деле, «Городской мозг» с тех пор вдвое сократил время пути карет «скорой помощи». Программа также позволила полиции Ханчжоу работать более эффективно. Система «умного» города может обнаружить несчастные случаи в течение нескольких секунд, позволяя полиции прибыть на место происшествия не более чем за пять минут.

Чтобы решить проблемы с общественной парковкой в Шанхае, китайский технический гигант Huawei запустил интеллектуальную сеть парковок, которая позволяет пользователям автомобилей находить, бронировать и оплачивать близлежащие парковочные места с помощью специального приложения на смартфоне. Чипы встроены в покрытие парковочных мест на более чем 300 парковках по всему городу. Они в режиме реального времени передают информацию о наличии свободных парковочных мест. Водителям достаточно просто заглянуть в приложение, чтобы найти и оплатить ближайшую парковку.

В Южной Корее, после создания международного аэропорта в городе Инчхон были созданы три новых проекта «умный» город. Например, проект «умный город» в Сонгдо связан единой коммуникационной сетью как с частным бизнесом, так и государственными учреждениями. Специализированный сервис в Сонгдо использует технологию RFID⁵³/USN⁵⁴ для предоставления экологически чистых услуг (например, U-bike или U-street). Эта же технология используется для предупреждения преступности путем использования камер обнаружения регистрационных номеров машин, которые могут отфильтровывать украденные автомобили и автомобили с неоплаченными налогами или штрафами и так далее.

В этих проектах здания города имеют сертификат LEED⁵⁵. В домах и зданиях в Сонгдо установлены датчики IoT (Интернета вещей), чтобы предоставлять пользователям в режиме онлайн информацию о том, сколько энергии было израсходовано, какие меры могут быть приняты для минимизации счетов за коммунальные услуги. Используя интеллектуальные мобильные приложения, пользователи могут вручную отключать электрические устройства и контролировать температуру и освещение своих домов и квартир, просто прикасаясь к своим смартфонам.

Вот еще одна интересная деталь: в Сонгдо нет мусорных баков или мусоровозов. Все бытовые отходы напрямую перемещаются через подземные трубопроводы с помощью «умной» пневматической системы, а затем сортируются, перерабатываются или утилизируются. Город также был спроектирован с оснащением датчиками для контроля температуры, использования энергии и транспортных потоков (Lee, 2016).

Масдар Сити в ОАЭ изначально был спроектирован как город без автомобилей и без выбросов углерода для дневного населения в 70 000 человек. С тех пор концепция была улучшена и расширена, и теперь Масдар известен во всем мире как «умный» город будущего наряду с Мэйси (Китай), Падуей (Италия), SmartCity (Мальта), PlanIT Valley (Португалия) и Лавасой (Индия), которые также строятся с нуля (Hall, 2000).

В Масдаре используются только экологически чистые строительные материалы. Специальная конструкция используется для изменения направления ветра и уменьшения прямого солнечного света на тротуарах. Каждый метр поверхности крыш покрыт солнечными батареями. В октябре 2018 года город официально запустил автономный электрический трансфер, созданный французской компанией Navya. Самоходный электромобиль вмещает до 12 человек, полностью автономен и имеет максимальную скорость 25 км/ч («Masdar», 2018). В январе этого года Масдар Сити представил фермерскую выставку под названием «Bustani», чтобы продемонстрировать новые сельскохозяйственные решения, которые помогут жителям ОАЭ самостоятельно производить еду в домашних условиях («Masdar», 2019).

Осенью 2017 года Саудовская Аравия анонсировала новый проект: мегаполис под названием Неом. Само название означает прорыв, поскольку две его составные части переводятся как «новое будущее». Первоначальная стоимость проекта оценивается в 500 миллиардов долларов США, что превышает текущий ВВП (2019) Австрии, ОАЭ или Норвегии (IMF, 2019). Планируемая территория Неом в 26 500 кв. км превышает площадь полусотни независимых государств мира, таких как Руанда и Македония.

Неом объединит передовые технологии «умного» города и будет функционировать в качестве специальной экономической зоны и центра туризма со своими собственными законами, направленными на привлечение инвестиций. Планируется, что город будет полностью функционировать на энергии солнца и ветра. Роботы будут выполнять большую часть услуг, таких как безопасность, логистика, доставка и уход. Ожидается, что в городе будет больше роботов, чем жителей.

Крупномасштабные высокотехнологичные планы Неом могут стать реальностью только с использованием искусственного интеллекта. Самые передовые достижения в области ИИ обеспечат жителей города автономными транспортными средствами, надежной системой безопасности и предупреждения преступлений, безошибочной медициной, инклюзивным образованием, быстрой доставкой с помощью самоуправляемых дронов, 3D-печатным производством, «умными» домами и многими другими системами, призванными сделать Неом и другие города будущего самыми современными и эффективными smart-городами новой эпохи.

ИИ в нефтегазовой отрасли

Внедрение «умных» технологий сулит существенные ценовые сдвиги на мировых рынках энергоресурсов. Если сегодня развивающиеся экономики находятся в более выгодном положении за счет дешевой рабочей силы, то стремительный прогресс новых ИИ-решений может изменить баланс сил в пользу автоматизированных производств развитых стран.

Учитывая широкую распространенность цифровой грамотности и в целом хороший уровень благополучия, оперативная переориентировка трудовых ресурсов в более технологичные отрасли не составит для развитых экономик большого труда. Подобный передел глобальных рынков энергоресурсов отразится и на изменении инвестиционных потоков, ставя развивающиеся экономики в еще более уязвимое положение из-за сокращающихся конкурентных преимуществ.

Нефтегазовая отрасль остается одним из ключевых драйверов роста экономики Казахстана и, безусловно, продолжит играть ведущую роль в развитии страны. Поэтому не менее важно знать о том, как искусственный интеллект оказывает влияние на цепочку добавленных стоимостей в этой отрасли.

Нефтяная и газовая промышленность делится на три основных операционных сектора: upstream, midstream и downstream. Upstream включает разведку и добычу нефти и природного газа. Midstream обычно относится к этапам транспортировки и хранения. Downstream охватывает различные процессы, связанные с переработкой и продажей нефти. Искусственный интеллект вовсю внедряется крупными компаниями практически на всех уровнях, но в настоящее время наиболее применим в одном из upstream-направлений — геологоразведке.

За последние годы мировые нефтяные гиганты стали активно внедрять приложения искусственного интеллекта в операционные сектора. Например, Тotal Oil вместе с Google Cloud работают над системой искусственного интеллекта для анализа данных о недрах с целью улучшения процессов разведки и добычи («Total», 2018). Эти процессы включают в себя картирование и анализ сейсмической активности на потенциальном нефтяном месторождении. Традиционно большая часть данных, собранных компанией, таких как сейсмические записи, представляла собой файлы изображений, которые геологи анализировали вручную.

ExxonMobil работает с исследователями из MIT, чтобы автоматизировать процесс разведки углеводородов путем совместной разработки глубоководных геологоразведочных роботов. Профессор Брайан Уильямс и его команда из Лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL) ранее работали над марсоходом НАСА, Curiosity, и разработали программное обеспечение для искусственного интеллекта, которое помогло марсоходу активно исследовать поверхность этой планеты («A Collaboration», 2016).

Эти роботы планируется использовать для автоматизации процесса естественного обнаружения. Традиционно нефтегазовые компании использовали команду дайверов и геологов-

аналитиков для изучения подводных аномалий. Теперь применение ИИ поможет нефтегазовым компаниям сократить затраты и время на разведку.

Baker Hughes, дочерняя компания General Electric по обслуживанию месторождений, использует аналитику NVIDIA на основе искусственного интеллекта, которая изучает сейсмические, каротажные данные, данные с датчиков и данные о цепочке поставок (Paikeday, 2018).

Промышленный Интернет вещей (IIoT) находит активное применение в нефтегазовой отрасли, привлекая крупных инвесторов. Так, в 2017 году SoftBank инвестировал около 400 миллионов долларов США в американскую компанию OSIsoft, которая специализируется на искусственном интеллекте и прогнозной аналитике. OSlsoft разработала прогностическое программное обеспечение для энергетических установок на базе Интернета вещей, что сразу же привлекло судоходные и энергетические компании, особенно в нефтегазовой, водной и горнодобывающей отраслях (Baker, 2017).

В сентябре 2018 года Shell Global Solutions объявила о партнерстве с Microsoft для ускорения трансформации отрасли и оффшорных инноваций на своих добывающих и перерабатывающих предприятиях. В рамках этого соглашения Shell использует программную платформу Microsoft Azure C3 IoT для повышения эффективности во всех секторах — от бурения и добычи до безопасности сотрудников. Используя приложения для искусственного интеллекта и машинного обучения, нефтяной гигант планирует улучшить свои операционные показатели (Husseini, 2018).

В январе 2019 года British Petroleum инвестировала 5 миллионов фунтов стерлингов в технологический стартап Belmont Technology для создания геонаучной платформы ИИ «Sandy Cloud». Она позволяет интерпретировать геологическую, геофизическую, историческую и проектную информацию о каждом коллекторе. При этом ИИ использует нейронные сети для моделирования и интерпретации результатов (Ali, 2019a).

В марте 2019 года Управление по нефти и газу (Oil and Gas Authority) Великобритании запустило первое в стране Национальное хранилище данных по нефти и газу (NDR) ⁵⁶. NDR содержит 130 терабайт геофизических, инфраструктурных, полевых и скважинных данных, что эквивалентно примерно восьмилетнему видео в HD-формате. Эти данные охватывают более

12 500 скважин, 5 000 сейсмических исследований и 3 000 трубопроводов. В результате NDR предоставляет отраслевым компаниям доступ к огромному пулу данных, освободив их от нормативных требований по хранению информации (Ali, 2019b).

ИИ также может быть использован для повышения безопасности операций на нефтегазовых платформах. В марте 2019 года Aker Solutions заключила партнерское соглашение с технологической компанией SparkCognition для улучшения приложений ИИ в рамках своей инициативы «Cognitive Operation» («SparkCognition», 2019). Ее платформа аналитических решений под названием SparkPredict в настоящее время контролирует установки на более чем 30 морских сооружениях. Данная платформа использует алгоритмы машинного обучения для анализа данных с датчиков, что позволяет компании выявлять неоптимальные операции и надвигающиеся сбои еще до их возникновения.

Российская компания «Газпром Нефть» занимается разработкой собственных программных продуктов с 2012 года в целях импортозамещения. В результате компания имееет собственные инструменты, основанные на технологиях искусственного интеллекта, включая программу «ЭРА. ОптимА», которая использует математические алгоритмы оптимизации, чтобы подобрать наилучшее решение для разработки углеводородных месторождений. Компания также имеет инструменты для самых ранних стадий разведки, например, для поиска аналогов месторождений, когда машина помогает оценить не изученное до конца месторождение, сравнивая его с уже разбуренным месторождением-аналогом⁵⁷.

«Газпром Нефть» разрабатывает совместные технологии с такими компаниями, как IBM, Яндекс и Сколтех. Одним из ярких результатов сотрудничества было обнаружение в июне 2019 года нового пласта углеводорода самообучающейся программой, разработанной компанией «Газпром Нефть» вместе с IBM Services. Применяя как исторические, так и поступающие новые геологические данные, нейросеть отыскивает закономерности, определяя, где имеются шансы для нахождения нефте- и газоносных пластов, не выявленных ранее по причине небольшого размера или сложного геологического строения. Программа позволяет с высочайшей точностью предсказывать месторасположение залежей, которые непросто обнаружить традиционными методами. При этом работа по обработке данных и розыску дополнительных запасов на месторождении занимает не больше месяца. Программа в ходе пилотного проекта сумела изучить данные более 3 000 скважин на месторождении и предположила новые пласты полезных ископаемых⁵⁸. Наличие углеводородов в обозначенных пластах было подтверждено промышленными роботами. В итоге тестирования был получен приток нефти без создания дополнительной инфраструктуры.

Эти и другие примеры показывают, что по всему миру среди крупных компаний наблюдается серьезное инвестирование в перспективные ИИ-инициативы для нефтегазовой отрасли (Schlecht, 2017). Нефтяные компании могут сэкономить миллионы долларов в результате минимизации незапланированных простоев и производственных потерь с помощью ИИ. Согласно Sloan Management Review, на среднем предприятии по производству сжиженного природного газа приходится пять дней потерь ежегодно на сумму от 125 до 150 миллионов долларов США. Для оффшорной платформы потери времени могут составлять в среднем 7 миллионов долларов США в день. В периоды низких цен на энергоносители именно снижение эксплуатационных расходов имеет решающее значение.

В операционном секторе midstream компании могут использовать ИИ для оптимизации транспортных операций, включая трубопроводную и вторичную логистику. Например, ИИ может способствовать улучшению интервалов технического обслуживания и проверки трубопроводов, анализируя и прогнозируя уровень коррозии в сочетании с экологической и эксплуатационной информацией. Для сбора данных о трубопроводе можно применять дроны.

Наконец, в операционном секторе downstream аналитические технологии и ИИ увеличивают доступность данных и информации, тем самым способствуют продвижению товара в предторговой, торговой и постторговой деятельности. Алгоритмы самообучения могут анализировать данные более тщательно, чем люди, и существенно трансформировать всю отрасль нефти и газа (Schlecht, 2017).

Социальный кредитный рейтинг

Искусственный интеллект довольно быстро становится широко используемым конкурентным инструментом. Очевидно, что компании более не спорят о плюсах и минусах искусственного интеллекта, а начинают массово его внедрять. В опросе, проведенном McKinsey&Company в 2018 году, 47% респондентов заявили, что их организации внедрили хотя бы одну технологию ИИ, а еще 30% заявили, что находятся в процессе пилотирования ИИ (Chui, 2018).

Искусственный интеллект может помочь предприятиям в самых разных областях — от поддержки клиентов до персонализации. ИИ может применяться для того, чтобы:

1) улучшить обслуживание клиентов, например, используя виртуальных помощников для обеспечения поддержки пользователей в режиме реального времени;

2) автоматизировать рабочие нагрузки — собирая и анализируя данные с интеллектуальных датчиков или используя алгоритмы машинного обучения для классификации работ и автоматической маршрутизации запросов;

3) оптимизировать логистику, например, используя специальные алгоритмы для мониторинга нагрузки инфраструктуры и планирования маршрутов движения;

4) повысить производительность и эффективность, например, автоматизируя производственную линию за счет интеграции промышленных роботов в рабочий процесс;

5) спрогнозировать производительность, используя промышленный Интернет вещей и глубокую аналитику нагрузки и износа производственных мощностей;

6) повысить эффективность взаимодействия с клиентами, например, внедряя системы обработки изображений и голоса, которые помогут избежать очередей и повысить время обслуживания клиентов;

7) улучшить маркетинг, например, эффективно отслеживая поведение и предпочтения потребителей, а также автоматизируя многие рутинные маркетинговые задачи.

Очевидно, что в ближайшие десять лет искусственный интеллект преобразит обычные экономические процессы и существенно повлияет на такие отрасли, как финансы, производство, транспорт, логистика, медицина и образование.

Исследователи из McKinsey Global Institute в своей статье «Моделирование влияния ИИ на мировую экономику» (McKinsey&Company, 2018b) оценивают, что потенциально искусственный интеллект может обеспечить дополнительный экономический эффект в размере около 13 триллионов долларов США к 2030 году, стимулируя рост мирового ВВП на 16%, или около 1,2% в год. Воздействие ИИ может быть не линейным, но, возможно, начнет ускоряться со временем. Вклад ИИ в экономический рост может к 2030 году быть в три и более раза выше, чем в течение следующих пяти лет, что обусловлено совокупным эффектом конкуренции и открытием дополнительных новых возможностей.

Компания PricewaterhouseCoopers делает еще более оптимистичные прогнозы. Их исследование (PWC, 2017) показывает, что к 2030 году в результате ИИ мировая экономика может вырасти до 15,7 триллиона долларов США. Из этого более 40% будет приходиться на повышение производительности, остальное — на потребление. Это связано с тем, что со временем ИИ увеличит ассортимент и доступность персонализированных продуктов.

Если подобные прогнозы станут реальностью, влияние ИИ будет сопоставимо с воздействием других инновационных для своего времени технологий, таких как открытие электричества (Burgess, 2018).

Социальный кредитный рейтинг в Китае⁵⁹ вводит совершенно новое понимание использования финансовых данных для формирования кредитных рейтингов как людей, так и компаний в национальном масштабе. Несмотря на название «социальный кредитный рейтинг», система не имеет ничего общего с системой социальной защиты, наоборот — это система экономических транзакций, направленная на улучшение рыночной среды, снижение операционных издержек и экономических рисков.

Наш восточный сосед начал создавать эту систему в 2010 году в качестве пилотной программы (Писаренко, 2019) и официально приступил к строительству общенациональной системы социального кредитования в 2014 году. В настоящее время отдельные элементы системы проходят бета-тестирование в 40 городах страны.

Прогресс уже очевиден. К 2020 году каждый гражданин Китая будет иметь доступ к файлу с возможностью поиска, который содержит все данные, полученные от государственных и частных компаний для отслеживания его социального кредита (Minter, 2019). Планируется даже, что количество баллов каждого гражданина будет измеряться в режиме реального времени.

Причина создания столь масштабной цифровой экономической системы, или «умного» Китая, заключается в следующем. Чем более развита рыночная экономика, чем выше доля кредитных операций и чем выше степень финансовых инноваций, тем сложнее структура различных кредитных продуктов. Проблема кредитных рисков становится еще более острой, а роль кредитной системы в целом еще сильнее.

В западных странах благодаря их относительно усовершенствованной правовой базе, развитой рыночной экономике и устоявшейся кредитной культуре построение кредитных систем направлено в основном на предотвращение и управление риском кредитных операций. Все это, соответственно, способствует становлению высокоразвитой отрасли кредитных услуг, обладающей ресурсом широкого доверия. Однако Китай, как признает руководство страны, до сих пор находится на переходном этапе развития к зрелой рыночной системе. И в то же время эта страна технологически способна максимально использовать возможности искусственного интеллекта.

Именно «в рамках ИИ» там создали централизованную и унифицированную базу финансовых данных о всех кредитах по всем отраслям экономики («Planning», 2014). Это включало сбор и обмен корпоративной кредитной информацией для оценки кредитоспособности как компаний, так и людей. Но система не ограничивается этим, в нее со временем будет встраиваться вся информация по всем отраслям, движению товаров и услуг. Это можно рассматривать в качестве самостоятельного сегмента отслеживания товарооборота на основе товарных штрихкодов. Вместе с тем она интегрирована также с системами контроля качества, налогов и доходов, движения рабочей силы.

Естественно, когда выстраивается столь масштабная национальная платформа, ее можно использовать для решения многих других проблем. Например, она может идентифицировать семьи с низкими доходами, предоставлять им социальную помощь и обеспечивать жильем. Система в целом также повышает транспарентность в академической среде и при предоставлении государственных услуг, обеспечивает решение любых поставленных перед нею задач.

В отношении населения возможности этой системы искусственного интеллекта выглядят впечатляющими, но и довольно неоднозначными.

Власти Китая не без основания ожидают, что к 2020 году искусственный интеллект сможет распознавать любого жителя страны в течение трех секунд. И с этой системой активно интегрируются другие данные, например, о финансовой обеспеченности человека. К примеру, данными, которые должны быть подвергнуты компьютерной обработке в первую очередь, становятся данные о своевременном обязательном погашении того или иного лица задолженности по налогам, займам и т. п. Затем следует информация о нарушениях Правил дорожного движения, общественного порядка, поведении в Интернете и социальных сетях, соблюдении социальных обязательств. Все это в совокупности может быть использовано в системе персонального кредитного рейтинга.

Социальные кредитные рейтинги могут увеличиваться и уменьшаться в зависимости от поведения человека. Приобретение подгузников для ребенка может значительно повысить ваш счет, так как обезличенная система предполагает, что именно вы являетесь ответственным лицом, осуществляющим уход. Однако если вы играете в видеоигры более 10 часов в день, ваш социальный кредитный рейтинг может снижаться (Marr, 2019).

В то же время высокий социальный кредитный рейтинг (Horsley, 2018) открывает множество преимуществ и привилегий. Люди с высокими рейтинговыми показателями получают различные льготы, например, скидки на электроэнергию. Им делают лучшие предложения туристические агентства. Люди с кредитным баллом выше

650-го уровня могут получить бесплатную врачебную консультацию в больницах.

Студенты получают дополнительные социальные баллы за публикации научных работ, регистрацию патентов или волонтерство. Кредитный рейтинг, повышенный такими действиями, вознаградит их значительными преимуществами — от собеседований с желаемым работодателем и льготного доступа к аренде квартир до получения виз и покупки онлайн-курсов.

Далеко не все считают китайскую систему безопасной и полезной, справедливо полагая, что система социального кредитного рейтинга уже сейчас мешает миллионам китайцев свободно перемещаться по стране или выезжать за ее пределы. К тому же никто не дает гарантий, что систему не взломают и не используют в противоправных целях. Уже есть прецеденты. Так, согласно исследованию, опубликованному год назад, 946 китайцам было запрещено совершать авиаперелеты в течение целого года по причине «неподобающего» поведения в самолетах. Однако после тщательного расследования выяснилось, что подавляющее большинство тех, кто был включен в черные списки, составляли люди, которые не выплатили вовремя долги или допустили нарушение Правил дорожного движения (Engelmann, 2018).

Для многих, кто живет за пределами Китая, эта система социального кредитного рейтинга основана на идеях «социализма с современной китайской спецификой». Однако ничто в данной технологии не ограничивает ее от применения только в Китае — такая система может применяться в любой точке мира, если это разрешено местным законодательством.