Искусственный интеллект

Иску́сственный интелле́кт (ИИ; англ. artificial intelligence, AI) — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека[1] (не следует путать с искусственным сознанием, ИС); наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ[2].

ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами[2].

Существующие на сегодня интеллектуальные системы имеют достаточно узкие области применения. Например, программы, способные обыграть человека в шахматы, не могут отвечать на вопросы и т. д.[3].

Робот Kismet с искусственным интеллектом в Музее Массачусетского технологического института, 2006 год.

Процитированное в преамбуле определение искусственного интеллекта, данное Джоном Маккарти в 1956 году на семинаре в Дартмутском университете, не связано напрямую с пониманием интеллекта у человека. Согласно Маккарти, ИИ-исследователи вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем[2].

Поясняя своё определение, Джон Маккарти указывает: «Проблема состоит в том, что пока мы не можем в целом определить, какие вычислительные процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые механизмы интеллекта и не понимаем остальные. Поэтому под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достигать целей в мире»[2].

В то же время существует и точка зрения, согласно которой интеллект может быть только биологическим феноменом[4].

В английском языке словосочетание artificial intelligence не имеет антропоморфной окраски, которую оно приобрело в традиционном русском переводе: слово intelligence в используемом контексте скорее означает «умение рассуждать разумно», а вовсе не «интеллект» (для которого есть английский аналог intellect[5].

Одно из частных определений интеллекта, общее для человека и «машины», можно сформулировать так: «Интеллект — способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определённого класса сложности и решать эти задачи»[8].

История искусственного интеллекта как нового научного направления начинается в середине XX века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений — теории алгоритмов — и были созданы первые компьютеры.

Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе зародился вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг, пишет статью под названием «Может ли машина мыслить?»[9], в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга.

Коллежский советник Семён Николаевич Корсаков (1787—1853) ставил задачу усиления возможностей разума посредством разработки научных методов и устройств, перекликающуюся с современной концепцией искусственного интеллекта, как усилителя естественного. В 1832 году С. Н. Корсаков опубликовал описание пяти изобретённых им механических устройств, так называемых «интеллектуальных машин», для частичной механизации умственной деятельности в задачах поиска, сравнения и классификации. В конструкции своих машин Корсаков впервые в истории информатики применил перфорированные карты, игравшие у него своего рода роль баз знаний, а сами машины по существу являлись предтечами экспертных систем[10][11].

В СССР работы в области искусственного интеллекта начались в 1960-х годах[6]. В Московском университете и Академии наук был выполнен ряд пионерских исследований, возглавленных Вениамином Пушкиным и Д. А. Поспеловым. С начала 1960-х М. Л. Цетлин с коллегами разрабатывали вопросы, связанные с обучением конечных автоматов.

[источник не указан 18 дней]

В 1964 году была опубликована работа ленинградского логика Сергея Маслова «Обратный метод установления выводимости в классическом исчислении предикатов», в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов.

В 1966 году В. Ф. Турчиным был разработан язык рекурсивных функций Рефал[источник не указан 18 дней].

[источник не указан 18 дней]

Большой вклад в развитие искусственного интеллекта в СССР внес академик Г. С. Поспелов. Им были разработаны принципы создания комплекса взаимосвязанных человеко-машинных систем планирования разного уровня, построенных на основе специализированных систем экономико-математических моделей и принципов искусственного интеллекта, предложено обоснование необходимости создания систем коллективного диалогового пользования в задачах планирования, управления и проектирования, основанных на принципах искусственного интеллекта. Под его руководством были внедрены диалоговые и интеллектуальные системы перспективного планирования развития отраслей и комплексов отраслей промышленности (в частности, совместные разработки ВЦ АН СССР и институтов Миноборонпрома, Минрадиопрома СССР и институтов Минмаша СССР).

[12]» конца 1950-х — начала 1960-х годов[13]. Такой взгляд на искусственный интеллект, кибернетику и информатику разделяется не всеми. Это связано с тем, что на Западе границы данных наук несколько отличаются[14].

По инициативе Г. С. Поспелова 10 сентября 1986 года при Президиуме АН СССР был создан Научный совет по проблеме «Искусственный интеллект» (председателем совета стал Г. С. Поспелов, его заместителями — Д. А. Поспелов и Э. В. Попов). Позже этот совет сыграл важную роль в развитии исследований по искусственному интеллекту в России и в целом в СССР.

В России 30 мая 2019 года на совещании по развитию цифровой экономики под председательством В. В. Путина было принято решение о подготовке национальной стратегии по искусственному интеллекту. В её рамках готовится федеральная программа с выделением 90 млрд рублей[15][16].

10 октября 2019 года В. В. Путин своим указом утвердил национальную стратегию развития искусственного интеллекта в России до 2030 года[17].

27 августа 2020 года был утверждён национальный проект «Искусственный интеллект», руководителем которого была назначена заместитель министра экономического развития Оксана Тарасенко[18][19].

В декабре 2020 года вторая конференция по искусственному интеллекту Artificial Intelligence Journey (AI Journey) вошла в топ-3 аналогичных форумов в мире. В ней участвовало (онлайн) более 20000 человек из 80 стран, в работе конференции принял участие Владимир Путин[20][21].

Весной 2021 года Председатель Правительства Михаил Мишустин утвердил правила выделения финансовой поддержки компаний, занятых в сфере ИИ, в размере 1,4 млрд.руб (на 2021 год)[22].

Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.

В философии не решён вопрос о природе и статусе человеческого интеллекта. Нет и точного критерия достижения компьютерами «разумности», хотя на заре искусственного интеллекта был предложен ряд гипотез, например, тест Тьюринга или гипотеза Ньюэлла — Саймона. Поэтому, несмотря на наличие множества подходов как к пониманию задач ИИ, так и созданию интеллектуальных информационных систем, можно выделить два основных подхода к разработке ИИ[23]:

Последний подход, строго говоря, не относится к науке об ИИ в смысле, данном Джоном Маккарти, — их объединяет только общая конечная цель.

Эмпирический тест был предложен Аланом Тьюрингом в статье «Вычислительные машины и разум» (англ. Computing Machinery and Intelligence)[24], опубликованной в 1950 году в философском журнале «Mind». Целью данного теста является определение возможности искусственного мышления, близкого к человеческому.

Стандартная интерпретация этого теста звучит следующим образом: «». Все участники теста не видят друг друга.

Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор

Однако последний подход вряд ли выдерживает критику при более детальном рассмотрении. К примеру, несложно создать механизм, который будет оценивать некоторые параметры внешней или внутренней среды и реагировать на их неблагоприятные значения. Про такую систему можно сказать, что у неё есть чувства («боль» — реакция на срабатывание датчика удара, «голод» — реакция на низкий заряд аккумулятора, и т. п.). Кластеры, создаваемые картами Кохонена, и многие другие продукты «интеллектуальных» систем можно рассматривать как вид творчества.

Исторически символьный подход был первым в эпоху цифровых машин, так как именно после создания Лисп, первого языка символьных вычислений, у его автора возникла уверенность в возможности практически приступить к реализации этими средствами интеллекта. Символьный подход позволяет оперировать слабоформализованными представлениями и их смыслами.

Успешность и эффективность решения новых задач зависит от умения выделять только существенную информацию, что требует гибкости в методах абстрагирования. Тогда как обычная программа устанавливает один свой способ интерпретации данных, из-за чего её работа и выглядит предвзятой и чисто механической. Интеллектуальную задачу в этом случае решает только человек, аналитик или программист, не умея доверить этого машине. В результате создается единственная модель абстрагирования, система конструктивных сущностей и алгоритмов. А гибкость и универсальность выливается в значительные затраты ресурсов для не типичных задач, то есть система от интеллекта возвращается к грубой силе.

Основная особенность символьных вычислений — создание новых правил в процессе выполнения программы. Тогда как возможности не интеллектуальных систем завершаются как раз перед способностью хотя бы обозначать вновь возникающие трудности. Тем более эти трудности не решаются и наконец компьютер не совершенствует такие способности самостоятельно.

Недостатком символьного подхода является то, что такие открытые возможности воспринимаются не подготовленными людьми как отсутствие инструментов. Эту, скорее культурную проблему, отчасти решает логическое программирование.

Логический подход к созданию систем искусственного интеллекта основан на моделировании рассуждений. Теоретической основой служит логика.

Логический подход может быть проиллюстрирован применением для этих целей языка и системы логического программирования Пролог. Программы, записанные на языке Пролог, представляют наборы фактов и правил логического вывода без жесткого задания алгоритма как последовательности действий, приводящих к необходимому результату.

Последний подход, развиваемый с начала 1990-х годов, называется агентно-ориентированным подходом, или подходом, основанным на использовании интеллектуальных (рациональных) агентов. Согласно этому подходу, интеллект — это вычислительная часть (грубо говоря, планирование) способности достигать поставленных перед интеллектуальной машиной целей. Сама такая машина будет интеллектуальным агентом, воспринимающим окружающий его мир с помощью датчиков, и способной воздействовать на объекты в окружающей среде с помощью исполнительных механизмов.

Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать в окружающей среде при выполнении его задачи. Так, здесь значительно тщательнее изучаются алгоритмы поиска пути и принятия решений.

Гибридный подход предполагает, что только синергийная комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей. Например, экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения. Сторонники данного подхода считают, что гибридные информационные системы будут значительно более сильными, чем сумма различных концепций по отдельности.

Анализируя историю ИИ, можно выделить такое обширное направление как моделирование рассуждений[25]. Долгие годы развитие этой науки двигалось именно по этому пути, и теперь это одна из самых развитых областей в современном ИИ. Моделирование рассуждений подразумевает создание символьных систем, на входе которых поставлена некая задача, а на выходе требуется её решение. Как правило, предлагаемая задача уже формализована, то есть переведена в математическую форму, но либо не имеет алгоритма решения, либо он слишком сложен, трудоёмок и т. п. В это направление входят: доказательство теорем, принятие решений и теория игр, планирование и диспетчеризация, прогнозирование.

Немаловажным направлением является обработка естественного языка[26], в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке. В рамках этого направления ставится цель такой обработки естественного языка, которая была бы в состоянии приобрести знание самостоятельно, читая существующий текст, доступный по Интернету. Некоторые прямые применения обработки естественного языка включают информационный поиск (в том числе, глубокий анализ текста) и машинный перевод[27].

Направление инженерия знаний объединяет задачи получения знаний из простой информации, их систематизации и использования. Это направление исторически связано с созданием экспертных систем — программ, использующих специализированные базы знаний для получения достоверных заключений по какой-либо проблеме.

Производство знаний из данных — одна из базовых проблем интеллектуального анализа данных. Существуют различные подходы к решению этой проблемы, в том числе — на основе нейросетевой технологии[28], использующие процедуры вербализации нейронных сетей.

Проблематика машинного обучения[29] касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы. Это направление было центральным с самого начала развития ИИ[30]. В 1956 году, на Дартмундской летней конференции, Рей Соломонофф написал отчёт о вероятностной машине, обучающейся без учителя, назвав её: «Индуктивная машина вывода»[31].

Обучение без учителя — позволяет распознать образы во входном потоке. Обучение с учителем включает также классификацию и регрессионный анализ. Классификация используется, чтобы определить, к какой категории принадлежит образ. Регрессионный анализ используется, чтобы в рядах числовых примеров входа/выхода и обнаружить непрерывную функцию, на основании которой можно было бы прогнозировать выход. При обучении агент вознаграждается за хорошие ответы и наказывается за плохие. Они могут быть проанализированы с точки зрения теории решений, используя такие понятия как полезность. Математический анализ машинных алгоритмов изучения — это раздел теоретической информатики, известный как вычислительная теория обучения (англ. Computational learning theory).

К области машинного обучения относится большой класс задач на распознавание образов. Например, это распознавание символов, рукописного текста, речи, анализ текстов. Многие задачи успешно решаются с помощью биологического моделирования (см. след. пункт). Особо стоит упомянуть компьютерное зрение, которое связано ещё и с робототехникой.

Отличается от понимания искусственного интеллекта по Джону Маккарти, когда исходят из положения о том, что искусственные системы не обязаны повторять в своей структуре и функционировании структуру и протекающие в ней процессы, присущие биологическим системам. Сторонники данного подхода считают, что феномены человеческого поведения, его способность к обучению и адаптации есть следствие именно биологической структуры и особенностей её функционирования.

Сюда можно отнести несколько направлений. Нейронные сети используются для решения нечётких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов. Генетический подход основан на идее, что некий алгоритм может стать более эффективным, если позаимствует лучшие характеристики у других алгоритмов («родителей»). Относительно новый подход, где ставится задача создания автономной программы — агента, взаимодействующей с внешней средой, называется агентным подходом.

Области робототехники[32] и искусственного интеллекта тесно связаны друг с другом. Интегрирование этих двух наук, создание интеллектуальных роботов составляют ещё одно направление ИИ. Интеллектуальность требуется роботам, чтобы манипулировать объектами[33], выполнять навигацию с проблемами локализации (определять местонахождение, изучать ближайшие области) и планировать движение (как добраться до цели)[34]. Примером интеллектуальной робототехники могут служить игрушки-роботы Pleo, AIBO, QRIO.

Природа человеческого творчества ещё менее изучена, чем природа интеллекта. Тем не менее, эта область существует, и здесь поставлены проблемы написания компьютером музыки, литературных произведений (часто — стихов или сказок), художественное творчество. Создание реалистичных образов широко используется в кино и индустрии игр.

Отдельно выделяется изучение проблем технического творчества систем искусственного интеллекта. Теория решения изобретательских задач, предложенная в 1946 году Г. С. Альтшуллером, положила начало таким исследованиям.

Добавление данной возможности к любой интеллектуальной системе позволяет весьма наглядно продемонстрировать, что именно система воспринимает и как это понимает. Добавлением шума вместо недостающей информации или фильтрация шума имеющимися в системе знаниями производит из абстрактных знаний конкретные образы, легко воспринимаемые человеком, особенно это полезно для интуитивных и малоценных знаний, проверка которых в формальном виде требует значительных умственных усилий.

Наконец, существует масса приложений искусственного интеллекта, каждое из которых образует почти самостоятельное направление. В качестве примеров можно привести программирование интеллекта в компьютерных играх, нелинейное управление, интеллектуальные системы информационной безопасности.

В перспективе предполагается тесная связь развития искусственного интеллекта с разработкой квантового компьютера, так как некоторые свойства искусственного интеллекта имеют схожие принципы действия с квантовыми компьютерами[35][36].

Можно заметить, что многие области исследований пересекаются. Но в искусственном интеллекте взаимосвязь между, казалось бы, различными направлениями выражена особенно сильно, и это связано с философским спором о сильном и слабом ИИ.

Известный американский нейрофизиолог Майкл Грациано отмечает принципиальную разницу между АИ и искусственным сознанием (ИС). По мнению Грациано именно сознание, а не интеллект является существенным отличием высших млекопитающих, включая человека разумного. Моделирование сознания является нерешенной научной задачей[37].

Но в настоящий момент в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла. Ниже представлены лишь некоторые наиболее известные разработки в области ИИ.

Разработчики компьютерных игр применяют ИИ в той или иной степени проработанности. Это образует понятие «Игровой искусственный интеллект». Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее.

Наиболее крупные научные и исследовательские центры в области искусственного интеллекта:

Финансовые учреждения давно используют нейронные сети для выявления подозрительных событий и действий[41]. Использование ИИ в банковской сфере началось ещё в 1987 году, когда Security Pacific National Bank[en] в США создал целевую группу по противодействию мошенничеству и несанкционированному использованию дебетовых карт[42].

Алгоритмическая торговля предполагает использование сложных систем искусственного интеллекта для принятия торговых решений со скоростью, превышающую скорость, на которую способен человеческий организм. Это позволяет делать миллионы сделок в день без какого-либо вмешательства человека. Автоматизированные торговые системы обычно используются крупными институциональными инвесторами[43].

Вместе с тем, результаты отдельных исследований свидетельствуют о том, что, хотя искусственный интеллект и может предсказывать тенденции цен на акции или общие настроения относительно движения финансовых рынков, его точность недостаточна. Модель инвестирования, основанная на искусственном интеллекте, не может быть использована для долгосрочных инвестиций. Точность таких алгоритмов прогнозирования покупки, продажи или владения акциями может привести к потере капитала.

Основываясь на этих результатах, исследователи пришли к выводу, что искусственный интеллект пока не способен предсказывать движение фондового рынка с надежной и достоверной точностью[44].

Несколько крупных финансовых учреждений вложили средства в развитие ИИ, чтобы использовать его в их инвестиционной практике. Разработки Aladdin (BlackRock)[en], используются как внутри компании, так и для клиентов компании, ассистируя в принятии инвестиционных решений. Широкий спектр функциональных возможностей данной системы включает обработку естественного языка для чтения текста, такого как новости, отчёты брокеров и каналы социальных сетей. Затем система оценивает настроения в упомянутых компаниях и присваивает им оценку. Банки, такие как UBS и Deutsche Bank, используют систему ИИ под названием Sqreem (Sequential Quantum Reduction and Extraction Model, Модель Последовательной Квантовой Редукции и Экстракции), которая может обрабатывать данные для разработки профилей потребителей и сопоставлять их с продуктами, которые они, скорее всего, захотят[45]. Goldman Sachs использует Kensho, платформу аналитики рынка, которая объединяет статистические вычисления с большими данными и обработкой естественного языка. Его системы машинного обучения используют данные в Интернете и оценивают корреляции между мировыми событиями и их влиянием на цены финансовых активов[46]. Информация, извлечённая системой ИИ из прямой трансляции новостей, используется в принятии инвестиционных решений.

Существуют продукты, которые используют ИИ для помощи людям в управлении их личными финансами. Например, Digit — это приложение, основанное на искусственном интеллекте, которое автоматически помогает потребителям оптимизировать свои расходы и сбережения, основываясь на своих личных привычках и целях. Приложение может анализировать такие факторы, как ежемесячный доход, текущий баланс и привычки к расходам, затем принимать собственные решения и переводить деньги на отдельный сберегательный счёт[47]. Wallet.AI, развивающийся в Сан-Франциско старт-ап, создаёт агентов, которые анализируют данные, которые генерирует потребитель, при взаимодействии со смартфонами и социальными сетями, чтобы проинформировать потребителя о своих расходах[48].

Автоматизированные помощники-советчики становятся все более широко используемыми в отрасли управления инвестициями. Автоматизированные системы предоставляют финансовые консультации и советы в управлении финансовым портфелем с минимальным вмешательством человека. Этот класс финансовых консультантов работает на основе алгоритмов, созданных для автоматического развития финансового портфеля в соответствии с инвестиционными целями и склонностью к риску клиентов. Он может корректировать изменения в реальном времени на рынке и калибровать портфель в соответствии с пожеланиями клиента[49].

Онлайн-кредитор Upstart анализирует огромное количество потребительских данных и использует алгоритмы машинного обучения для построения моделей кредитного риска, которые прогнозируют вероятность дефолта. Их технология будет лицензирована для банков, чтобы они могли использовать её для оценки своих процессов[50].

ZestFinance разработала платформу Zest Automated Machine Learning (ZAML) специально для кредитного андеррайтинга. Эта платформа использует компьютерное обучение для анализа десятков тысяч традиционных и нетрадиционных переменных (от транзакций покупки до того, каким образом клиент заполняет форму), используемых в кредитной индустрии, для оценки заемщиков. Платформа особенно полезна для присвоения кредитных баллов клиентам с небольшой кредитной истории, таким как миллениалы[51].

Использование ИИ позволило «Сбербанку» в 2019 году заработать дополнительно $700 млн, в 2020 году планировалось довести эту сумму до $1 млрд[52].

В конце октября 2021 года премьер-министр РФ Михаил Мишустин утвердил план мероприятий в сфере цифровой трансформации госуправления до 2031 года. Искусственный интеллект был признан ключевой технологией (наряду с большими данными и интернет вещей, подлежащей широкому внедрению[53].

Применение ИИ является важным трендом в создании перспективных систем управления поля боя и вооружением[55].

С помощью ИИ возможно обеспечить оптимальный и адаптивный к угрозам выбор комбинации сенсоров и средств поражения, скоординировать их совместное функционирование, обнаруживать и идентифицировать угрозы, оценивать намерения противника[55]. Существенную роль ИИ играет в реализации тактических систем дополненной реальности. Например, ИИ позволяет обеспечить классификацию и семантическую сегментацию изображений, локализацию и идентификацию мобильных объектов для эффективного целеуказания[55].

1 марта 2021 года [en])[56] направил Президенту и Конгрессу доклад, в котором рекомендуется отвергнуть всемирный запрет на применение автономных систем вооружения на основе ИИ (см. также боевой робот[уточнить]). В докладе говорится, что использование ИИ позволит «сократить время принятия решений» в тех случаях, когда человек не способен действовать достаточно быстро. Комитет также высказал опасение, что Китай и Россия вряд ли станут соблюдать договор о запрете на применение АИ в военном деле[57].

По данным Минобороны США, Китай принял решение о разработке методов внедрения ИИ в будущие системы вооружений. Академия военных наук Китая получила задание на реализацию этой программы путем объединения усилий ВПК и частных компаний[58].

Британские спецслужбы будут бороться с российскими фейковыми новостями при помощи искусственного интеллекта, который будет распознавать активность «фабрики троллей». По информации Центра правительственной связи Великобритании, искусственный интеллект будет бороться с фейками, сверяя данные с надежными источниками, выявляя манипуляции с изображениями и видео и блокируя подозрительных ботов[59].

Роботы стали распространены во многих отраслях промышленности и часто занимаются работой, которая считается опасной для людей. Роботы оказались эффективными на рабочих местах, связанных с повторяющимися рутинными заданиями, которые могут привести к ошибкам или несчастным случаям из-за снижения концентрации с течением времени. Также широкое применение роботы получили в работе, которую люди могут найти унизительной.

В 2014 году Китай, Япония, Соединённые Штаты, Республика Корея и Германия вместе составили 70 % от мирового объёма продаж роботов. В автомобильной промышленности, секторе с особенно высокой степенью автоматизации, в Японии была самая высокая плотность промышленных роботов в мире: 1414 роботов на 10 000 сотрудников.

Искусственные нейронные сети, такие как технология Concept processing[en] в программном обеспечении Электронная медицинская карта, используются в качестве клинических систем принятия решений для медицинской диагностики.

Другие задачи в медицине, которые потенциально могут выполняться искусственным интеллектом и начинают разрабатываться, включают:

В настоящее время в отрасли здравоохранения работает более 90 стартапов, основанных на применении ИИ[64].

Другое применение ИИ заключается в управлении человеческими ресурсами и рекрутинге. Существует три способа использования ИИ для управления человеческими ресурсами и найма специалистов. ИИ используется для просмотра резюме и ранжирования кандидатов в соответствии с их уровнем квалификации. ИИ также используется для прогнозирования успеха кандидата в заданных ролях через платформы сопоставления должностей. И наконец, ИИ используется при создании чат-ботов, которые могут автоматизировать повторяющиеся коммуникационные задачи.

Как правило, процесс просмотра резюме включает в себя анализ и поиск информации в базе данных резюме. Стартапы, такие как , создают алгоритмы машинного обучения для автоматизации процессов проверки резюме. Система Pomato AI[65] нацелена на автоматизацию проверки технических претендентов на позиции в технических фирмах. ИИ Pomato выполняет более 200 000 вычислений на каждое резюме за считанные секунды, а затем разрабатывает собственное техническое интервью на основе полезных навыков.

С 2016 по 2017 год компания потребительских товаров Unilever использовала искусственный интеллект, чтобы отобразить всех сотрудников начального уровня. ИИ Unilever использовал игры, основанные на нейробиологии, записанные интервью и анализ лицевых и речевых сигналов, чтобы предсказать успех кандидата в компании. Unilever сотрудничала с Pymetrics и HireVue, чтобы создать новую систему анализа на основе ИИ и увеличить число рассматриваемых кандидатов с 15 000 до 30 000 в течение одного года. Unilever также сократил время на обработку заявлений от 4 месяцев до 4 недель и сэкономил более 50 000 часов времени рекрутеров.

От скрининга резюме до неврологии, распознавания речи и анализа лица … ясно, что ИИ оказывают огромное влияние на сферу управления человеческими ресурсами. Одно из достижений в ИИ заключается в разработке чатов для рекрутинга. выпустил Ari (автоматизированный интерфейс рекрутинга). Ari — это набор чатов для рекрутинга, который предназначен для проведения двухсторонних текстовых бесед с кандидатами. Ari автоматизирует публикацию вакансий, рекламных объявлений, скриннинг кандидатов, планирование собеседований и развитие отношений кандидатов с компанией по мере продвижения по рекрутинговому процессу. Ari в настоящее время предлагается в рамках платформы участия в проекте TextRecruit.

Хотя эволюция музыки всегда была затронута технологией, искусственный интеллект позволил с помощью научных достижений подражать, в какой-то мере, человекоподобной композиции.

Среди известных ранних усилий Дэвид Коуп создал ИИ под названием Эмили Хауэлл, которому удалось стать известным в области Алгоритмической компьютерной музыки. Алгоритм, лежащий в основе Эмили Хауэлл, зарегистрирован как патент США[66].

Другие разработки, такие как AIVA[en], сосредоточены на сочинении симфоний, в основном классической музыки для фильмов. Эта разработка достигла известности, став первым виртуальным композитором, который был признан музыкальной профессиональной ассоциацией[67].

Искусственные интеллекты могут даже создавать музыку, пригодную для использования в медицинских условиях, Melomics использует компьютерную музыку для снятия стресса и боли[68].

Более того, такие инициативы, как Google Magenta, проводимые командой Google Brain, хотят узнать, способен ли искусственный интеллект создавать неотразимое искусство.

В исследовательской лаборатории Sony CSL их программное обеспечение Flow Machines создаёт поп-песни, изучая стили музыки из огромной базы данных песен. Анализируя уникальные комбинации стилей и методы оптимизации, ИИ может сочинять музыку в любом существующем стиле.

В декабре 2020 года в России, в рамках конференции AI Journey (организатор Сбербанк, модератор Александр Ведяхин) российские исполнители Zivert, Рахим, Егор Шип и Даня Милохин выступали вместе с искусственным интеллектом[69].

Компания Narrative Science[en] делает компьютерные новости и отчёты коммерчески доступными, включая обобщение спортивных событий на основе статистических данных из игры на английском языке. Она также создаёт финансовые отчёты и анализ недвижимости. Аналогично, компания Automated Insights[en] генерирует персонализированные сводки и превью для Yahoo Sports Fantasy Football. Предполагается, что к 2014 году компания будет создавать миллиард историй в год, по сравнению с 350 миллионами в 2013 году[70]. Ведущие медиа-компании, такие как Associated Press, Forbes, The New York Times, Los Angeles Times и ProPublica[en], начали автоматизировать новостной контент. Появилось такое понятие, как автоматизированная журналистика[71].

Echobox — компания, разрабатывающая программное обеспечение, которая помогает издателям увеличивать трафик путём «разумного» размещения статей на платформах социальных сетей, таких как Facebook и Twitter. Анализируя большие объёмы данных, ИИ узнаёт, как конкретные аудитории реагируют на разные статьи в разное время суток. Затем он выбирает лучшие истории для публикации и лучшее время, чтобы опубликовать их. Он использует как исторические данные, так и данные в реальном времени, чтобы понять, что сработало хорошо в прошлом, а также то, что в настоящее время имеет тенденцию в Интернете.

Другая компания, называемая Yseop[en], использует искусственный интеллект, чтобы превратить структурированные данные в интеллектуальные комментарии и рекомендации на естественном языке. Yseop может писать финансовые отчёты, исполнительные резюме, персонализированные продажи или маркетинговые документы и многое другое со скоростью тысяч страниц в секунду и на нескольких языках, включая английский, испанский, французский и немецкий[72].

Boomtrain — ещё один пример ИИ, который призван научиться лучше всего привлекать каждого отдельного читателя к точным статьям — отправленным по правильному каналу в нужное время — это будет наиболее актуально для читателя. Это как если бы вы наняли персонального редактора для каждого отдельного читателя, чтобы подобрать наилучшие статьи именно для него.

Существует также возможность того, что в будущем ИИ будет писать литературные произведения. В 2016 году японский ИИ написал небольшую историю и почти выиграл литературную премию[73].

Искусственный интеллект реализуется в автоматизированных онлайн-помощниках, которые можно рассматривать как чат-боты на веб-страницах. Это может помочь предприятиям снизить затраты на наем и обучение сотрудников. Основной технологией для таких систем является естественная обработка языка. Pypestream[en] использует автоматизированное обслуживание клиентов для своего мобильного приложения, предназначенного для упрощения связи с клиентами[74].

Многие телекоммуникационные компании используют эвристический поиск в управлении своими сотрудниками, например, BT Group развернула эвристический поиск в приложении для планирования, которое обеспечивает рабочие графики 20 000 инженеров.

Большие надежды возлагаются на использование систем искусственного интеллекта для управления сетями сотовой связи 6G[75].

В 1990-х годах были предприняты первые попытки массового производства ориентированных на дом типов базового ИИ для образования или отдыха. Это значительно продвинулось с цифровой революцией и помогло людям, особенно детям, познакомиться с различными типами ИИ, в частности, в виде тамагочи и домашних животных, iPod Touch, Интернета и первого широко распространённого робота, Furby. Год спустя улучшенный тип домашнего робота был выпущен в виде Aibo, роботизированной собаки с интеллектуальными функциями и автономией.

Такие компании, как Mattel, создают ассортимент игрушек с поддержкой ИИ для детей в возрасте трёх лет. Используя запатентованные системы ИИ и средства распознавания речи, они могут понимать разговоры, давать интеллектуальные ответы и быстро учиться[76].

ИИ также используется в индустрии игр, например, в видеоиграх используются боты, которые предназначены для того, чтобы играть роль противников, где люди недоступны или нежелательны. В 2018 году исследователи из Корнеллского университета создали пару генеративно-состязательных сетей и обучили их на примере игры-шутера Doom. В процессе обучения нейронные сети определили основные принципы построения уровней этой игры и после этого они стали способны генерировать новые уровни без помощи со стороны людей[77].

Для автоматических коробок передач в автомобилях были разработаны контроллеры нечеткой логики. Например, в 2006 Audi TT, VW Touareg и VW Caravell используют DSG коробку передач, которая основана на нечеткой логике. Ряд моделей Škoda (Škoda Fabia) также в настоящее время включает контроллер на основе нечеткой логики.

Сегодняшние автомобили теперь имеют вспомогательные функции, основанные на ИИ, такие как самозаряд и расширенные средства круиз-контроля. ИИ используется для оптимизации приложений управления дорожным трафиком, что, в свою очередь, сокращает время ожидания, потребление энергии и вредные выбросы на целых 25 %[78]. В будущем будут разработаны полностью автономные автомобили. Ожидается, что ИИ на транспорте обеспечит безопасную, эффективную и надежную транспортировку, минимизируя пагубное воздействие на окружающую среду и общество. Основной проблемой для развития этого ИИ является тот факт, что транспортные системы по своей сути являются сложными системами, включающими очень большое количество компонентов и разных сторон, каждый из которых имеет разные и часто противоречивые цели[79].

В июне 2019 года прошло тестирование программно-аппаратного комплекса, работающего по технологии технического зрения, на тепловозе ЧМЭ3-1562 приписки депо Лоста Северной железной дороги. В случае опасности (неправильно поставленная стрелка, препятствие на дороге, запрещающий сигнал светофора) система сначала подаёт светозвуковой сигнал машинисту а затем включает торможение[80]. Комплекс, получивший обозначение ПАК-ПМЛ (программно-аппаратный комплекс помощи машинисту локомотива), использует искусственный интеллект, накапливая данные о уже совершённых поездках и используя их при оценке обстановки. В начале сентября 2020 года на станции Лоста начался опытный пробег уже двух ЧМЭ3, оснащённых ПАК-ПМЛ. Пробег является частью пилотного проекта ОАО «РЖД» «Внедрение технологии технического зрения для управления и мониторинга подвижного состава». В свою очередь, этот проект является важным этапом глобального корпоративного проекта «Цифровой локомотив»[81].

Различные средства ИИ также широко используются в области обеспечения безопасности, распознавании речи и текста, интеллектуального анализа данных и фильтрации спама в электронной почте. Также разрабатываются приложения для распознавания жестов (понимание языка жестов машинами), индивидуальное распознавание голоса, глобальное распознавание голоса (от множества людей в шумной комнате), распознавание лица для интерпретации эмоций и невербальных сигналов. Другие приложения — это роботизированная навигация, преодоление препятствий и распознавание объектов.

Объединение искусственного интеллекта с экспериментальными данными ускорило создание новой разновидности металлического стекла в 200 раз. Стеклянная природа нового материала делает его более прочным, легким и коррозионно-стойким, чем современная сталь. Группа, возглавляемая учеными Национальной ускорительной лаборатории SLAC Министерства энергетики, Национального института стандартов и технологий и Северо-западного университета США, сообщила о сокращении затрат для обнаружения и улучшения металлического стекла на долю времени и стоимости. Как сообщил представитель группы разработчиков Апурва Мехта[82], «Мы смогли сделать и отобрать 20 000 вариантов за один год»[83].

В феврале 2021 года в США провели испытания искусственного интеллекта в воздушном бою «двое против одного». Новый этап испытаний, который получил название Scrimmage 1, проводился в лаборатории прикладной физики Университета Джонса Хопкинса. В этом воздушном бою два истребителя F-16 Fighting Falcon под управлением искусственного интеллекта действовали в группе и вели бой против одного такого же самолёта. Во время нового этапа испытаний нейросетевые алгоритмы вели не только ближний маневренный воздушный бой, но и действовали на расстоянии от противника, выявляя его с помощью радаров и поражая ракетами на расстоянии[84].

Искусственный интеллект и нейрофизиология, эпистемология, когнитивная психология образуют более общую науку, называемую когнитология. Важную роль в искусственном интеллекте играет философия. Также с проблемами искусственного интеллекта тесно связана эпистемология — наука о знании в рамках философии. Философы, занимающиеся данной проблематикой, решают вопросы, схожие с теми, которые решаются инженерами ИИ о том, как лучше представлять и использовать знания и информацию.

В компьютерных науках проблемы искусственного интеллекта рассматриваются с позиций проектирования экспертных систем и баз знаний. Под базой знаний понимается совокупность данных и правил вывода, допускающих логический вывод и осмысленную обработку информации. В целом исследования проблем искусственного интеллекта в компьютерных науках направлены на создание, развитие и эксплуатацию интеллектуальных информационных систем, а вопросы подготовки пользователей и разработчиков таких систем решаются специалистами информационных технологий.

Методология когнитивного моделирования предназначена для анализа и принятия решений в плохо определённых ситуациях. Была предложена Робертом Аксельродом[85].

Основана на моделировании субъективных представлений экспертов о ситуации и включает: методологию структуризации ситуации: модель представления знаний эксперта в виде знакового орграфа (когнитивной карты) (F, W), где F — множество факторов ситуации, W — множество причинно-следственных отношений между факторами ситуации; методы анализа ситуации. В настоящее время методология когнитивного моделирования развивается в направлении совершенствования аппарата анализа и моделирования ситуации. Здесь предложены модели прогноза развития ситуации; методы решения обратных задач.

Наука «о создании искусственного разума» не могла не привлечь внимание философов. С появлением первых интеллектуальных систем были затронуты фундаментальные вопросы о человеке и знании, а отчасти о мироустройстве.

Философские проблемы создания искусственного интеллекта можно разделить на две группы, условно говоря, «до и после разработки ИИ». Первая группа отвечает на вопрос: «Что такое ИИ, возможно ли его создание, и, если возможно, то как это сделать?» Вторая группа (этика искусственного интеллекта) задаётся вопросом: «Каковы последствия создания ИИ для человечества?».

Течение трансгуманизма считает создание ИИ одной из важнейших задач человечества.

Среди исследователей ИИ до сих пор не существует какой-либо доминирующей точки зрения на критерии интеллектуальности, систематизацию решаемых целей и задач, нет даже строгого определения науки. Существуют разные точки зрения на вопрос, что считать интеллектом.

Наиболее горячие споры в философии искусственного интеллекта вызывает вопрос возможности мышления творения человеческих рук. Вопрос «Может ли машина мыслить?», который подтолкнул исследователей к созданию науки о моделировании человеческого разума, был поставлен Аланом Тьюрингом в 1950 году. Две основных точки зрения на этот вопрос носят названия гипотез сильного и слабого искусственного интеллекта.

Термин «сильный искусственный интеллект» ввёл Джон Сёрль, его же словами подход и характеризуется:

Более того, такая программа будет не просто моделью разума; она в буквальном смысле слова сама и будет разумом, в том же смысле, в котором человеческий разум — это разум[86].

При этом нужно понять, возможен ли «чистый искусственный» разум («метаразум»), понимающий и решающий реальные проблемы и, вместе с тем, лишённый эмоций, характерных для человека и необходимых для его индивидуального выживания[источник не указан 3907 дней].

Напротив, сторонники слабого ИИ предпочитают рассматривать программы лишь как инструмент, позволяющий решать те или иные задачи, которые не требуют полного спектра человеческих познавательных способностей.

Мысленный эксперимент «Китайская комната» Джона Сёрля — аргумент в пользу того, что прохождение теста Тьюринга не является критерием наличия у машины подлинного процесса мышления. Аналогичную позицию занимает и Роджер Пенроуз, который в своей книге «Новый ум короля» аргументирует невозможность получения процесса мышления на основе формальных систем[87].

В опубликованной в журнале Science в 2018 году статье, Мэтью Хатсон показывает, что область ИИ на данный момент находится в кризисе репликации результатов[88]. По мнению автора и проинтервьюированных им специалистов кризис связан со сложившейся в области практикой закрытости кода и данных.

По мнению российского нейробиолога и философа Николая Асеева, попытки создания ИИ имеют все свойства карго-культа: «делаем из соломы мозги и ждём эмерджентности»[89]. По мнению этого автора сильный ИИ никогда не будет создан, хотя алгоритмы, умеющие играть, распознавать и решать другие частные задачи будут совершенствоваться и дальше.

Елиезер Юдковски исследует в Исследовательском институте машинного интеллекта[en] (SIAI) в США проблемы глобального риска, которые может создать будущий сверхчеловеческий ИИ, если его не запрограммировать на дружественность к человеку[90]. В 2004 году SIAI был создан сайт AsimovLaws.com, созданный для обсуждения этики ИИ в контексте проблем, затронутых в фильме «Я, робот». На этом сайте они хотели показать, что законы робототехники Азимова небезопасны, поскольку, например, могут побудить ИИ захватить власть на Земле, чтобы «защитить» людей от вреда.

Далай-лама XIV считает, что нельзя утверждать, что машины обладают сознанием или способностью к познаванию, а утверждение о том, что сознание появляется в силу материальных причин, с точки зрения буддизма неприемлемо[91].

Другие традиционные конфессии достаточно редко описывают проблематику ИИ. Но отдельные богословы тем не менее обращают на это внимание. Например, протоиерей Михаил Захаров[92], рассуждая с точки зрения христианского мировоззрения, ставит следующий вопрос: «Человек есть разумно-свободное существо, сотворенное Богом по Его образу и подобию. Мы привыкли все эти определения относить к биологическому виду Homo Sapiens. Но насколько это обосновано?»[93]. Отвечает он на этот вопрос так:

Если предположить, что исследования в области искусственного интеллекта когда-либо приведут к появлению искусственного существа, превосходящего человека по интеллекту, обладающего свободой воли, будет ли это означать, что это существо — человек? … человек есть творение Божие. Можем ли мы это существо назвать творением Божиим? На первый взгляд, оно есть творение человека. Но и при сотворении человека вряд ли стоит буквально понимать, что Бог Своими руками из глины вылепил первого человека. Вероятно это иносказание, указывающее на материальность человеческого тела, созданного по воле Божией. Но без воли Божией ничего не происходит в этом мире. Человек, как со-творец этого мира, может, исполняя волю Божию, создавать новые твари. Такие твари, созданные руками человека по Божией воле, вероятно можно назвать творениями Божиими. Ведь человек создает новые виды животных и растений. А мы считаем растения и животных творениями Божиими. Так же можно относиться и к искусственному существу не биологической природы.

В научно-фантастической литературе ИИ чаще всего изображается как сила, которая пытается свергнуть власть человека (Омниус, HAL 9000 в «Космической одиссее 2001 года», Превосходство, Скайнет, Colossus  (англ.), «Матрица» и репликант в «Бегущий по лезвию», ИскИны в «Гиперион»), Альтрон, или обслуживающий гуманоид (C-3PO, Дейта, KITT и КАРР, «Двухсотлетний человек»). Неизбежность доминирования над миром ИИ, вышедшего из-под контроля, оспаривается такими его исследователями, как фантаст Айзек Азимов и кибернетик Кевин Уорик, известный множественными экспериментами по интеграции машин и живых существ.

В романе «Выбор по Тьюрингу» писателя-фантаста Гарри Гаррисона и учёного Марвина Мински[94] поднимется вопрос утраты человечности у человека, в мозг которого была вживлена ЭВМ, и появления человечности у машины с ИИ, в память которой была скопирована информация из головного мозга человека.

Некоторые научные фантасты, например Вернор Виндж, также размышляли над последствиями появления ИИ, которое, по-видимому, вызовет резкие драматические изменения в обществе. Такой период называют технологической сингулярностью.

Тема ИИ рассматривается под разными углами в творчестве Роберта Хайнлайна: гипотеза возникновения самоосознания ИИ при усложнении структуры далее определённого критического уровня и наличии взаимодействия с окружающим миром и другими носителями разума («The Moon Is a Harsh Mistress», «Time Enough For Love», персонажи Майкрофт, Дора и Ая в цикле «История будущего»), проблемы развитии ИИ после гипотетического самоосознания и некоторые социально-этические вопросы («Friday»). Социально-психологические проблемы взаимодействия человека с ИИ рассматривает и роман Филипа К. Дика «Снятся ли андроидам электроовцы?», известный также по экранизации «Бегущий по лезвию».

В творчестве фантаста и философа Станислава Лема описано и во многом предвосхищено создание виртуальной реальности, искусственного интеллекта, нанороботов и многих других проблем философии искусственного интеллекта. Особенно стоит отметить футурологию «Сумма технологии». Кроме того, в приключениях Ийона Тихого неоднократно описываются взаимоотношения живых существ и машин: бунт бортового компьютера с последующими неожиданными событиями (11 путешествие), адаптация роботов в человеческом обществе («Стиральная трагедия» из «Воспоминаний Ийона Тихого»), построение абсолютного порядка на планете путём переработки живых жителей (24-ое путешествие), изобретения Коркорана и Диагора («Воспоминания Ийона Тихого»), психиатрическая клиника для роботов («Воспоминания Ийона Тихого»). Кроме того, существует целый цикл повестей и рассказов «Кибериада», где почти всеми персонажами являются роботы, которые являются далёкими потомками роботов, сбежавших от людей (людей они именуют бледнотиками и считают их мифическими существами).

Начиная практически с 1960-х годов вместе с написанием фантастических рассказов и повестей, снимаются фильмы об искусственном интеллекте. Многие повести авторов, признанных во всём мире, экранизируются и становятся классикой жанра, другие становятся вехой в развитии кинофантастики, например, Бегущий по лезвию, Терминатор, Матрица, Звёздные Войны и так далее.