Разрабатываемые «нейроморфные» чипы воплощают аппаратные аналоги нейронов непосредственно в кремнии. IBM и Intel вложили значительные средства в исследования нейроморфных вычислений. Например, экспериментальные чипы Loihi разработки Intel используют 130 000 аппаратных нейронов, каждый из которых может связываться с тысячами других[10 - “Neuromorphic computing,” Intel Corporation, accessed May 3, 2020, www.intel.com/content/www/us/en/research/neuromorphic-computing.html (http://www.intel.com/content/www/us/en/research/neuromorphic-computing.html).]. Одно из важнейших преимуществ ухода от массированных программных вычислений – это энергоэффективность. Человеческий мозг, далеко превосходящий своими возможностями любой существующий компьютер, потребляет лишь около 20 Вт – существенно меньше, чем средняя лампа накаливания. В отличие от него, системы глубокого обучения на основе графических процессоров требуют очень много электричества, и, как будет показано в главе 5, их масштабирование при таком энергопотреблении, скорее всего, невозможно. Нейроморфные чипы, конструкция которых восходит к нейронной сети головного мозга, гораздо менее прожорливы. Intel заявляет, что в некоторых модификациях ее чипы Loihi до 10 000 раз более энергоэффективны, чем традиционные микропроцессоры. После запуска коммерческого производства эти чипы, скорее всего, быстро найдут применение в мобильных и других устройствах, для которых важна энергоэффективность. Ряд специалистов в области ИИ идут намного дальше в своих прогнозах, полагая, что нейроморфные чипы – это будущее искусственного интеллекта. Например, по мнению исследовательской фирмы Gartner, нейроморфные структуры вытеснят графические процессоры в качестве основной аппаратной платформы ИИ к 2025 году[11 - Sara Castellanos, “Intel to release neuromorphic-computing system,” Wall Street Journal, March 18, 2020, www.wsj.com/articles/intel-to-release-neuromorphic-computing-system-11584540000 (http://www.wsj.com/articles/intel-to-release-neuromorphic-computing-system-11584540000).].
Облачные вычисления как основная инфраструктура ИИ
Современная индустрия облачных вычислений зародилась в 2006 году с вводом в действие платформы Amazon Web Services, или AWS. Amazon, опираясь на свой опыт создания и обслуживания гигантских дата-центров для поддержки онлайновой торговли, решила продавать широкому кругу клиентов гибкий доступ к вычислительным ресурсам. В 2018 году AWS обслуживала более 100 дата-центров в девяти странах мира[12 - Linda Hardesty, “WikiLeaks publishes the location of Amazon’s data centers,” SDXCentral, October 12, 2018, www.sdxcentral.com/articles/news/wikileaks-publishes-the-location-of-amazons-data-centers/2018/10/ (http://www.sdxcentral.com/articles/news/wikileaks-publishes-the-location-of-amazons-data-centers/2018/10/).]. Рост облачных сервисов Amazon и ее конкурентов поражает воображение. Согласно недавнему исследованию, сегодня 94 % организаций, от транснациональных корпораций до мелких и средних фирм, пользуются облачными вычислениями[13 - “RightScale 2019 State of the Cloud Report from Flexera,” Flexera, 2019, resources.flexera.com/web/media/documents/rightscale-2019-state-of-the-cloud-report-from-flexera.pdf (http://resources.flexera.com/web/media/documents/rightscale-2019-state-of-the-cloud-report-from-flexera.pdf), p. 2.]. К 2016 году AWS росла настолько быстро, что новые вычислительные ресурсы, добавляемые Amazon к своей системе каждый день, были сопоставимы со всеми возможностями компании на конец 2005 года[14 - Pierr Johnson, “With the public clouds of Amazon, Microsoft and Google, big data is the proverbial big deal,” Forbes, June 15, 2017, www.forbes.com/sites/johnsonpierr/2017/06/15/with-the-public-clouds-of-amazon-microsoft-and-google-big-data-is-the-proverbial-big-deal/ (http://www.forbes.com/sites/johnsonpierr/2017/06/15/with-the-public-clouds-of-amazon-microsoft-and-google-big-data-is-the-proverbial-big-deal/).].
До появления облачных провайдеров фирмам и организациям приходилось покупать и обслуживать собственные серверы и программное обеспечение и иметь команду высокооплачиваемых специалистов для поддержки и апгрейда систем. Благодаря облачным вычислениям значительная часть этих задач отдается на аутсорсинг таким провайдерам, как Amazon, способным обеспечить эффективность благодаря эффекту масштаба. Облачные серверы обычно располагаются в огромных зданиях площадью сотни тысяч квадратных метров, стоимостью больше миллиарда долларов. Доступ к облачным сервисам часто предоставляется по запросу, когда клиент пользуется вычислительными мощностями, хранением данных и приложениями столько, сколько нужно, и платит только за потребленные ресурсы.
Несмотря на огромный физический размер зданий для размещения облачных серверов, все там настолько автоматизировано, что нередко обслуживается поразительно малочисленным персоналом. Сложные алгоритмы, управляющие практически всеми процессами, обеспечивают уровень точности, недостижимый при непосредственном контроле человека. Даже потребление электроэнергии – оно огромно – и отвод большого количества тепла, выделяемого десятками тысяч серверов, во многих случаях оптимизируются непрерывно. Одной из первых практических реализаций разработок компании DeepMind в области ИИ стала система глубокого обучения, способная оптимизировать работу систем охлаждения в дата-центрах Google. DeepMind заявляет, что ее нейронная сеть, которая обучалась на массиве данных от сенсоров, размещенных во всех помещениях дата-центра Google, смогла почти на 40 % сократить расход энергии на охлаждение[15 - Richard Evans and Jim Gao, “DeepMind AI reduces Google data centre cooling bill by 40 %,” DeepMind Research Blog, July 20, 2016, deepmind.com/blog/article/deepmind-ai-reduces-google-data-centre-cooling-bill-40 (http://deepmind.com/blog/article/deepmind-ai-reduces-google-data-centre-cooling-bill-40).]. Алгоритмическое управление дает реальный выигрыш. Как показало исследование, отчет о котором был опубликован в феврале 2020 года, «если объем вычислений, выполняемых дата-центрами, вырос с 2010 по 2018 год примерно на 550 %, то потребление энергии увеличилось за тот же период лишь на 6 %»[16 - Urs H?lzle, “Data centers are more energy efficient than ever,” Google Blog, February 27, 2020, www.blog.google/outreach-initiatives/sustainability/data-centers-energy-efficient/ (http://www.blog.google/outreach-initiatives/sustainability/data-centers-energy-efficient/).]. Разумеется, автоматизация влияет на потребность в персонале. Переход к облачным вычислениям и последовавшее за ним исчезновение огромного числа рабочих мест для технических специалистов, когда-то обслуживавших вычислительные ресурсы в тысячах организаций, вероятно, внесли существенный вклад в прекращение стремительного роста занятости в технологической сфере, наблюдавшегося в конце 1990-х годов.
Бизнес-модель на основе облачных вычислений очень прибыльна, и между основными провайдерами идет острая конкуренция. AWS – самое прибыльное направление деятельности Amazon: прибыли от него намного превосходят все, что компания зарабатывает на электронной торговле. В 2019 году прибыль от AWS выросла на 37 %, достигнув $8,2 млрд, а в целом на облачный сервис приходится около 13 % прибыли компании[17 - Ron Miller, “AWS revenue growth slips a bit, but remains Amazon’s golden goose,” TechCrunch, July 25, 2019, techcrunch.com/2019/07/25/aws-revenue-growth-slips-a-bit-but-remains-amazons-golden-goose/ (http://techcrunch.com/2019/07/25/aws-revenue-growth-slips-a-bit-but-remains-amazons-golden-goose/).]. Платформа AWS доминирует на рынке, занимая около трети глобального объема облачных вычислений. Azure, служба Microsoft, созданная в 2008 году, и Google Cloud Platform, введенная в действие в 2010 году, также занимают значительные доли на рынке. IBM, китайский гигант интернет-торговли Alibaba и Oracle столь же важные игроки.
Правительственные структуры сегодня в той же мере зависят от облачных вычислений, что и предприятия. В 2019 году сложности и подковерная борьба, неизбежные в этой сфере, оказались в центре всеобщего внимания из-за неожиданной политизации проекта Пентагона JEDI. JEDI, что расшифровывается как «Объединенная оборонная инфраструктура» (Joint Enterprise Defense Infrastructure), – это десятилетний контракт стоимостью $10 млрд на хранение огромных объемов информации и предоставление программных ресурсов и возможностей ИИ Министерству обороны США. Первый скандал разразился в Google, когда ее сотрудники, большинство которых имеют взгляды, весьма близкие к крайне левому полюсу политического спектра, воспротивились планам компании участвовать в тендере по оборонному контракту. Из-за протестов собственных работников корпорации пришлось сойти с дистанции – Google выбыла из конкурса всего за три дня до подачи заявок на участие в создании JEDI[18 - John Bonazzo, “Google exits Pentagon ‘JEDI’ project after employee protests,” Observer, October 10, 2018, observer.com/2018/10/google-pentagon-jedi (http://observer.com/2018/10/google-pentagon-jedi/).].
В конце концов Пентагон отдал проект Microsoft Azure, но Amazon, считавшаяся наиболее вероятным претендентом на победу вследствие лидирующего положения в этой области, немедленно заявила, что это решение политически мотивировано. В декабре 2019 года Amazon подала иск, в котором охарактеризовала это решение как необъективное и продиктованное явной враждебностью президента Дональда Трампа к генеральному директору Amazon Джеффу Безосу. Безосу также принадлежит The Washington Post, критически относившаяся к администрации Трампа. В феврале 2020 года федеральный судья наложил судебный запрет, временно заблокировавший передачу контракта Microsoft[19 - Annie Palmer, “Judge temporarily blocks Microsoft Pentagon cloud contract after Amazon suit,” CNBC, February 13, 2020, www.cnbc.com/2020/02/13/amazon-gets-restraining-order-to-block-microsoft-work-on-pentagon-jedi.html (http://www.cnbc.com/2020/02/13/amazon-gets-restraining-order-to-block-microsoft-work-on-pentagon-jedi.html).]. Спустя месяц Министерство обороны объявило, что заново обдумает свое решение[20 - Lauren Feiner, “DoD asks judge to let it reconsider decision to give Microsoft $10 billion contract over Amazon,” CNBC, March 13, 2020, www.cnbc.com/2020/03/13/pentagon-asks-judge-to-let-it-reconsider-its-jedi-cloud-contract-award.html (http://www.cnbc.com/2020/03/13/pentagon-asks-judge-to-let-it-reconsider-its-jedi-cloud-contract-award.html).].
Все это ясно показывает, насколько яростной и в некоторых случаях политизированной будет дальнейшая битва за рынок облачных вычислений. В центре конкурентной борьбы находится искусственный интеллект, обретающий все большую важность для продуктов, предлагаемых ведущими провайдерами облачных вычислений. Коммерческое значение глубокого обучения первыми продемонстрировали технологические гиганты, создав передовые сервисы для конечных потребителей и бизнеса. Например, нейронные сети, созданные на базе специализированного оборудования во внутренних дата-центрах, обеспечивают работу таких служб, как Alexa от Amazon, Siri от Apple и Google-сервисов Assistant и Translate. На сегодняшний день приложения на основе глубокого обучения далеко ушли от этой отправной точки, полностью переместившись в облачные сервисы и став одним из важнейших средств дифференциации провайдеров. Например, Google воспользовалась популярностью платформы TensorFlow и предложила клиентам своего облачного сервиса прямой доступ к мощному оборудованию на основе тензорных процессоров. Amazon также поддерживает функцию глубокого обучения, используя новейшие графические процессоры и давая возможность своим клиентам пользоваться приложениями, созданными на основе TensorFlow или других платформ машинного обучения. Amazon даже утверждает, что 85 % облачных ИИ-приложений, разработанных с помощью TensorFlow, работают на базе ее собственной платформы AWS[21 - “TensorFlow on AWS,” Amazon Web Services, accessed May 4, 2020, aws.amazon.com/tensorflow/ (http://aws.amazon.com/tensorflow/).].
Ведущие компании, занимающиеся облачными сервисами, постоянно предлагают все более гибкие и совершенные инструменты и быстро реагируют на любое преимущество, достигнутое конкурентами. Вот один из примеров инноваций. В марте 2020 года Intel создала экспериментальную нейроморфную вычислительную систему, доступ к которой можно получить через облако. Эта система, состоящая из 768 процессоров Loihi, разработанных Intel по образцу человеческого мозга, содержит 100 млн аппаратных нейронов – примерно столько же, сколько мозг мелкого млекопитающего[22 - Kyle Wiggers, “Intel debuts Pohoiki Springs, a powerful neuromorphic research system for AI workloads,” VentureBeat, March 18, 2020, venture beat.com/2020/03/18/intel-debuts-pohoiki-springs-a-powerful-neuromorphic-research-system-for-ai-workloads/ (http://beat.com/2020/03/18/intel-debuts-pohoiki-springs-a-powerful-neuromorphic-research-system-for-ai-workloads/).]. Если подобная архитектура окажется эффективной, то вскоре, безусловно, развернется битва на поле нейроморфности между ведущими поставщиками облачных вычислений. Результатом попыток компаний превзойти друг друга и увеличить долю растущего рынка вычислительных ресурсов, ориентированных на ИИ, стало появление облачной экосферы, изначально строившейся с целью предоставления доступа к искусственному интеллекту.
Миллиард долларов, вложенный Microsoft в 2019 году в компанию по изучению ИИ OpenAI, которая наряду с принадлежащей Google DeepMind является лидером в расширении границ глубокого обучения, подчеркивает естественную синергию облачных вычислений и искусственного интеллекта. OpenAI сможет использовать вычислительные ресурсы, принадлежащие службе Azure, – это чрезвычайно важно в свете ее стремления создавать все более крупные нейронные сети. Только облако может предоставить огромные вычислительные мощности, требующиеся OpenAI для исследований. Microsoft, со своей стороны, получает доступ к практическим инновациям, появляющимся в процессе работы OpenAI над созданием универсального искусственного интеллекта. Надо полагать, что это приведет к появлению приложений и возможностей, которые можно будет встроить в облачные сервисы Azure. Не менее важно и то, что бренд Azure выигрывает от ассоциации с одним из мировых лидеров в исследовании ИИ, а это улучшает позиции Microsoft в конкуренции с Google – признанным лидером в области ИИ – отчасти благодаря владению компанией DeepMind[23 - Jeremy Kahn, “Inside big tech’s quest for human-level A.I.,” Fortune, January 20, 2020, fortune.com/longform/ai-artificial-intelligence-big-tech-microsoft-alphabet-openai/ (http://fortune.com/longform/ai-artificial-intelligence-big-tech-microsoft-alphabet-openai/).].
Эта синергия выходит далеко за рамки данного примера. Почти ни одно значимое начинание в области ИИ, от деятельности университетских исследовательских лабораторий до стартапов, занимающихся ИИ, и практических применений машинного обучения, разрабатываемых крупными компаниями, не обходится без использования этого универсального ресурса. Облачные вычисления, пожалуй, важнейший инструмент превращения ИИ в ресурс, который однажды станет столь же вездесущим, как и электричество. Фей-Фей Ли, архитектор базы данных ImageNet и конкуренции, ставшей катализатором революции в области глубокого обучения, временно покидала свою нынешнюю должность в Стэнфорде, чтобы возглавить научные разработки Google Cloud с 2016 по 2018 год. Вот как она это объяснила: «Что касается распространения такой технологии, как ИИ, то лучшая и самая большая платформа для этого – облако, поскольку никакие другие вычислительные ресурсы ни на какой другой платформе, изобретенной человечеством, не имеют такого огромного охвата. Одна лишь Google Cloud в любой момент времени поддерживает или обслуживает миллиарды людей»[24 - Martin Ford, Interview with Fei-Fei Li, in Architects of Intelligence: The Truth about AI from the People Building It, Packt Publishing, 2018, p. 150.].
Инструменты, обучение и демократизация ИИ
Превращение облачного искусственного интеллекта в универсальный ресурс ускоряется благодаря появлению новых инструментов, делающих эту технологию доступной для широкого круга людей, в том числе не имеющих специальной технической подготовки. Такие платформы, как TensorFlow и PyTorch, упрощают создание систем глубокого обучения, но до сих пор по большей части используются высококвалифицированными специалистами, многие из которых имеют докторскую степень в области компьютерных наук. Новые инструменты, например AutoML, созданная Google и выведенная на рынок в январе 2018 года, в значительной мере автоматизируют техническую сторону и существенно снижают барьеры для доступа, позволяя намного более широкому кругу людей применять глубокое обучение для решения практических проблем. В сущности, AutoML использует искусственный интеллект для создания искусственного интеллекта и участвует в тренде, который Фей-Фей Ли называет «демократизацией ИИ».
Здесь, как и в других сферах, конкуренция облачных провайдеров выступает мощным стимулом инноваций, и инструменты глубокого обучения Amazon для платформы AWS также становятся проще в использовании. Наряду со средствами разработки все облачные сервисы предлагают готовые компоненты систем глубокого обучения, которые можно сразу включать в приложения. Например, у Amazon есть пакеты для распознавания речи и обработки естественного языка, а также «механизм рекомендаций», аналогичный тому, который демонстрирует онлайновым покупателям или кинозрителям предложения, способные их заинтересовать[25 - “Deep Learning on AWS,” Amazon Web Services, accessed May 4, 2020, aws.amazon.com/deep-learning/ (http://aws.amazon.com/deep-learning/).]. Самым неоднозначным примером такого рода является созданная AWS служба Rekognition, позволяющая разработчикам с легкостью использовать технологию распознавания лиц. Amazon навлекла на себя резкую критику, сделав Rekognition доступной для правоохранительных органов, несмотря на то, что, судя по результатам некоторых тестов, этому пакету свойственна расовая или гендерная предвзятость – этическая проблема, которую мы более пристально рассмотрим в главах 7 и 8[26 - Kyle Wiggers, “MIT researchers: Amazon’s Rekognition shows gender and ethnic bias,” VentureBeat, January 24, 2019, venturebeat.com/2019/01/24/amazon-rekognition-bias-mit/ (http://venturebeat.com/2019/01/24/amazon-rekognition-bias-mit/).].
Вторая принципиально важная тенденция – появление онлайновых обучающих платформ, благодаря которым любой человек, достаточно инициативный и способный к математике, может приобрести базовые знания в области глубокого обучения. Это, например, deeplearning.ai, доступная через образовательный портал Coursera, и fast.ai, предлагающая бесплатные онлайновые курсы и программные средства, что делает глубокое обучение более доступным[27 - “New schemes teach the masses to build AI,” The Economist, October 27, 2018, www.economist.com/business/2018/10/27/new-schemes-teach-the-masses-to-build-ai (http://www.economist.com/business/2018/10/27/new-schemes-teach-the-masses-to-build-ai).]. На рынке труда, где путь в высший слой среднего класса почти всегда требует официально подтвержденной профессиональной квалификации, приобретаемой ценой огромных затрат времени и денег, возможность стать практиком в области глубокого обучения – по крайней мере в нынешней ситуации, когда спрос на специалистов намного превосходит предложение, – это редкое исключение. Любой, кто способен успешно окончить онлайновый курс и продемонстрировать умение работать с глубокими нейронными сетями, имеет хорошие шансы получить хорошо оплачиваемую работу и начать плодотворную карьеру.
Поскольку и учебные программы, и инструменты будут и дальше совершенствоваться, в условиях все более массового использования ИИ-приложений разработчиками и предпринимателями нас ждет подобие кембрийского взрыва – быстрое появление неисчислимого множества применений этой технологии. Нечто похожее происходило на других крупнейших компьютерных платформах. Я руководил маленькой компанией, разрабатывавшей программное обеспечение в Кремниевой долине в 1990-х годах, когда Microsoft Windows стала господствующей платформой для персональных компьютеров. Первоначально создание приложений для Windows было уделом квалифицированных специалистов, которые использовали язык программирования Си и руководства объемом 1000 страниц, понятные лишь посвященным. Появление более простых в применении средств, включая чрезвычайно доступные среды разработки, такие как Visual Basic от Microsoft, резко увеличило число людей, способных писать программы для Windows, и быстро привело к взрывному росту количества приложений. Аналогично развивались мобильные вычисления, и теперь как App Store компании Apple, так и Android Play Store предлагают, кажется, бесчисленное множество приложений, удовлетворяющих практически любую мыслимую потребность. Такой же взрыв, скорее всего, произойдет и в области искусственного интеллекта, а именно глубокого обучения. В обозримом будущем ИИ превратится в новое электричество благодаря постоянному расширению круга специальных приложений, а не появлению универсального машинного интеллекта.
Взаимосвязанный мир и интернет вещей
Последний элемент пазла «искусственный интеллект как новое электричество» – это кардинально улучшенное сетевое взаимодействие. Его главной движущей силой должно стать внедрение беспроводной связи пятого поколения (5G) в ближайшие годы. Как ожидается, 5G увеличит скорость передачи мобильных данных в десять, а может, и в 100 раз, одновременно повысив пропускную способность сети так, что исчезнут почти все узкие места[28 - Chris Hoffman, “What is 5G, and how fast will it be?” How-to Geek, January 3, 2020, www.howtogeek.com/340002/what-is-5g-and-how-fast-will-it-be/ (http://www.howtogeek.com/340002/what-is-5g-and-how-fast-will-it-be/).]. Это неизбежно усилит сетевое взаимодействие, и коммуникация станет почти мгновенной. Представьте, что практически всё – включая устройства, электротехнику, транспортные средства, промышленное оборудование и огромное множество других элементов нашей физической инфраструктуры – будет взаимосвязано и находиться под контролем умных алгоритмов в облаке. Эта концепция будущего – так называемый интернет вещей – скоро будет реализована, и мы окажемся в мире, где, например, сенсоры в вашем холодильнике или в любом другом месте кухни смогут определить, что у вас почти закончился определенный продукт, и передать эту информацию алгоритму, который уведомит вас или даже автоматически сделает соответствующий онлайновый заказ. Если холодильник работает неоптимально, другой алгоритм решит эту проблему автоматически или удаленно. Деталь, которая вот-вот откажет, будет выявлена и отмечена как требующая замены. Распространение этой модели на всю нашу экономику и общественную жизнь невероятно повысит эффективность, поскольку машины, системы и инфраструктура будут автоматически выявлять и во многих случаях решать проблемы по мере их возникновения. Интернет вещей во многом будет похож на облачные дата-центры, сверхэффективно управляемые алгоритмами, только масштабы станут глобальными. Это, однако, несет с собой совершенно реальные риски, особенно в сферах безопасности и защиты персональных данных. Мы сосредоточимся на этих принципиальных вопросах в главе 8.
Все более взаимосвязанный мир превратится в мощную платформу доступа к искусственному интеллекту. В обозримом будущем самые важные ИИ-приложения будут находиться в облаке, но со временем машинный интеллект станет более распределенным. Устройства, машины и инфраструктура будут умнеть по мере применения новейших специализированных чипов, поддерживающих ИИ. Скорее всего, именно здесь такие инновации, как нейроморфные вычисления, окажутся наиболее востребованными. В результате появится мощная новая служба, способная предоставить доступ к машинному интеллекту по запросу практически где угодно.
Источник стоимости – данные
Поскольку ведущие облачные провайдеры конкурируют как в ценах, так и в возможностях своей технологии, удешевление доступа к аппаратным и программным средствам, поддерживающим искусственный интеллект, представляется неизбежным. В то же время продолжится совершенствование ИИ-сервисов, доступных через облако, поскольку технологические гиганты стремятся добиться конкурентного преимущества, осваивая новейшие открытия исследователей. Под влиянием этих процессов даже самые продвинутые ИИ-технологии будут постепенно превращаться в товар широкого потребления, доступ к которому почти, а то и вовсе не требует платы, помимо той, которую клиенты облачных сервисов вносят за хранение своих данных. Свидетельства этого уже имеются. Такие компании, как Google, Facebook и Baidu, выпускают программное обеспечение для глубокого обучения с открытым исходным кодом. Иными словами, они предлагают его бесплатно. Это относится и к большинству самых передовых исследований, проводимых организациями вроде DeepMind и OpenAI. Они публикуют свои результаты в ведущих научных журналах и позволяют любому человеку получить подробные данные о разрабатываемых системах глубокого обучения.
Кое-чем, однако, ни одна компания не делится бесплатно – своими данными. Вследствие этого синергия между ИИ-технологией и огромными объемами потребляемых ею данных довольно-таки однобока. Практически вся создаваемая стоимость достается тому, кто владеет данными. Из этого широко признанного объективного факта часто делают вывод, что технологические гиганты подомнут под себя любую область деятельности, нуждающуюся в больших данных или искусственном интеллекте. Однако при этом из виду упускается то, что собственность на данные имеет явную вертикальную отраслевую структуру. Такие компании, как Google, Facebook и Amazon, разумеется, контролируют невообразимые объемы данных, но их деятельность в общем ограничивается интернет-поиском, взаимодействием в соцсетях и транзакциями в онлайновых магазинах. В данных областях эти компании, скорее всего, сохранят господство, но в экономике и в обществе имеется намного больше данных совершенно иных типов, принадлежащих правительствам, организациям и частным компаниям из других отраслей.
Часто говорят, что данные – это новая нефть. Если мы принимаем эту аналогию, то можем во многих отношениях уподобить технологические компании фирме Halliburton, которая предлагает свои технологические возможности и практические знания, необходимые для того, чтобы извлекать стоимость из ресурса. Конечно, гиганты сферы хай-тека имеют собственные огромные массивы данных, однако львиная доля непрерывно растущего глобального источника данных принадлежит не им. Например, компании медицинского страхования, больничные сети и, разумеется, государственные общенациональные службы здравоохранения владеют данными неимоверной ценности. Можно с уверенностью утверждать, что они будут использовать новейшие ИИ-технологии, разработанные крупными технологическими компаниями и предоставляемые как облачный сервис, но сохранят стоимость, извлеченную из данных, в своих руках. То же самое можно сказать об огромных массивах данных, собранных в ходе финансовых операций, бронирования билетов, размещения отзывов в интернете, наблюдения за перемещениями покупателей в традиционных розничных магазинах, а также сгенерированных бесчисленными сенсорами в транспортных средствах и промышленном оборудовании. В каждом случае машинный интеллект будет работать с конкретными данными, принадлежащими организациям из разных отраслей экономики.
Из этого следует, что значительная часть стоимости, извлекаемой благодаря использованию искусственного интеллекта, будет доставаться не компаниям-лидерам из сферы высоких технологий. Колоссальная выгода от применения ИИ будет распределяться очень широко. Опять-таки здесь уместна аналогия с электричеством. Кто извлекает наибольшую стоимость из электричества? Электроэнергетические компании? Атомная энергетика? Нет, такие компании, как Google и Facebook, потребляющие очень много электроэнергии и открывшие способы преобразования этого общедоступного товара широкого потребления в фантастическую стоимость. Разумеется, эта аналогия не идеальна, и не приходится сомневаться, что колоссальная стоимость и огромные возможности достанутся тем компаниям, которые создают инновации в сфере искусственного интеллекта и предлагают доступ к этому постоянно совершенствующемуся ресурсу. Однако основная польза от применения ИИ, особенно после его превращения в общедоступный ресурс, будет доставаться всем остальным.
Конец ознакомительного фрагмента.
Текст предоставлен ООО «ЛитРес».
Прочитайте эту книгу целиком, купив полную легальную версию (https://www.litres.ru/pages/biblio_book/?art=67924797&lfrom=174836202) на ЛитРес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.
notes
Сноски
1
Ewen Callaway, “‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures,” Nature, November 30, 2020, www.nature.com/articles/d41586-020-03348-4 (http://www.nature.com/articles/d41586-020-03348-4).
2
Andrew Senior, Demis Hassabis, John Jumper and Pushmeet Kohli, “AlphaFold: Using AI for scientific discovery,” DeepMind Research Blog, January 15, 2020, deepmind.com/blog/article/AlphaFold-Using-AI-for-scientific-discovery (http://deepmind.com/blog/article/AlphaFold-Using-AI-for-scientific-discovery).
3
Ian Sample, “Google’s DeepMind predicts 3D shapes of proteins,” The Guardian, December 2, 2018, www.theguardian.com/science/2018/dec/02/google-deepminds-ai-program-alphafold-predicts-3d-shapes-of-proteins (http://www.theguardian.com/science/2018/dec/02/google-deepminds-ai-program-alphafold-predicts-3d-shapes-of-proteins).
4
Форд М. Роботы наступают: Развитие технологий и будущее без работы. – М.: Альпина нон-фикшн, 2019.
5
Lyxor Robotics и AI UCITS ETF, тикер ROAI.
6
Форд М. Архитекторы интеллекта: Вся правда об искусственном интеллекте от его создателей. – СПб.: Питер, 2020.
7
См., например: Carl Benedikt Frey and Michael Osborne, “The future of employment: How susceptible are jobs to computerisation?” Oxford Martin School, University of Oxford, Working Paper, September 17, 2013, www.oxfordmartin.ox.ac.uk/downloads/academic/future-of-employment.pdf (http://www.oxfordmartin.ox.ac.uk/downloads/academic/future-of-employment.pdf), p. 38.
8
Matt McFarland, “Elon Musk: ‘With artificial intelligence we are summoning the demon,’” Washington Post, October 24, 2014, www.washingtonpost.com/news/innovations/wp/2014/10/24/elon-musk-with-artificial-intelligence-we-are-summoning-the-demon/ (http://www.washingtonpost.com/news/innovations/wp/2014/10/24/elon-musk-with-artificial-intelligence-we-are-summoning-the-demon/).
9
Anand S. Rao and Gerard Verweij, “Sizing the prize: What’s the real value of AI for your business and how can you capitalise?” PwC, October 2018, www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf (http://www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf).
10
“Neuromorphic computing,” Intel Corporation, accessed May 3, 2020, www.intel.com/content/www/us/en/research/neuromorphic-computing.html (http://www.intel.com/content/www/us/en/research/neuromorphic-computing.html).
11
Sara Castellanos, “Intel to release neuromorphic-computing system,” Wall Street Journal, March 18, 2020, www.wsj.com/articles/intel-to-release-neuromorphic-computing-system-11584540000 (http://www.wsj.com/articles/intel-to-release-neuromorphic-computing-system-11584540000).
12
Linda Hardesty, “WikiLeaks publishes the location of Amazon’s data centers,” SDXCentral, October 12, 2018, www.sdxcentral.com/articles/news/wikileaks-publishes-the-location-of-amazons-data-centers/2018/10/ (http://www.sdxcentral.com/articles/news/wikileaks-publishes-the-location-of-amazons-data-centers/2018/10/).
13
“RightScale 2019 State of the Cloud Report from Flexera,” Flexera, 2019, resources.flexera.com/web/media/documents/rightscale-2019-state-of-the-cloud-report-from-flexera.pdf (http://resources.flexera.com/web/media/documents/rightscale-2019-state-of-the-cloud-report-from-flexera.pdf), p. 2.
14
Pierr Johnson, “With the public clouds of Amazon, Microsoft and Google, big data is the proverbial big deal,” Forbes, June 15, 2017, www.forbes.com/sites/johnsonpierr/2017/06/15/with-the-public-clouds-of-amazon-microsoft-and-google-big-data-is-the-proverbial-big-deal/ (http://www.forbes.com/sites/johnsonpierr/2017/06/15/with-the-public-clouds-of-amazon-microsoft-and-google-big-data-is-the-proverbial-big-deal/).
