AI, ML, IoT и другие
После хайпа от биткоина, отголоски которого долетели даже до самых оффлайновых жителей, население Земли в массе своей стало активнее интересоваться современными технологиями: «А вдруг чего еще важного пропустим?» Вот вам новые аббревиатуры, которые незаметно, но последовательно меняют жизнь вокруг.
Artificial Intelligence,
который не такой уж и Intelligent
Искусственным интеллектом увлекались технари и философы еще лет 50 назад, но с приходом в каждый дом этот термин совсем потерял первоначальный смысл и стал несколько замыленным. Если вы из школьного или университетского курса по информатике помните, что такое «Тест Тьюринга» — то вот это все еще недостижимо (хотя разработчики подбираются все ближе), так что AI/ИИ называют все подряд.
Из того длинного списка целей, которые ученые когда-то составили для объяснения искусственного интеллекта, часть уже достигнута в очень хорошем качестве, и именно эти разрозненные (пока) кусочки и внедряют в коммерческое использование. Мы уже не удивляемся подсказкам Гугла по поводу маршрута, напоминаниям о регистрации на рейс или о покупках — планирование современным вычислительным системам уже удается неплохо. Оптическое распознавание (от перевода вывесок через камеру телефона до отслеживания лиц в толпе), оптимизация, распознавание естественной речи — худо-бедно, но эти составляющие будущего искусственного интеллекта развиваются, а вот до аргументации, принятия решений, понимания значений в контексте и еще длинного списка необходимых умений пока далеко. Так что оставим Artificial Intelligence ученым и фантастам и посмотрим, что работает уже сегодня.
Machine Learning,
которое все-таки Learning
Каждый раз, когда вашу карту за границей блокируют после покупки в сомнительном месте, или Google подсказывает что вы не успеете доехать до магазина до его закрытия — где-то на другой стороне глобуса алгоритм учится делать это лучше и быстрее (и лишает работы еще одного клерка). Конечно, сначала этот алгоритм нужно придумать, разработать и поддерживать, но некоторое время назад стало понятно, что с этим тоже лучше справляется компьютер, а не бородатые мужчины в очках и свитерах с оленями.
В принципе, алгоритмы — штука несложная. Описываем компьютеру ситуацию и рассказываем, как из нее выходить, в зависимости от внешних признаков («если впереди горит красный свет — машину нужно затормозить, но не резко, а рассчитывая остаток пути до перекрестка»). Проблемы начинаются когда ситуаций и внешних признаков становится слишком много. Сначала пытались упростить варианты решения, например — убрать некоторые «несущественные» внешние признаки — путь оказался тупиковым, алгоритмы начинают выдавать ерунду в самый неподходящий момент, и вообще оказывается, что для человека не существует «несущественных» признаков, мы их просто воспринимаем по-другому (см. «Интуиция»). Постепенно это все превратилось в некую магию под названием Machine Learning, а на самый популярный (но не единственный) способ многие ссылаются как на «нейросети».
Что это значит для рядового пользователя? Алгоритмы сменились с простого «сделай так, если есть это и это» на более сложное, но более универсальное «посмотри, как делают люди, выбери лучшее и повтори». И благодаря возможности использования готовых наработок коллег по несчастью, это стало работать все лучше и лучше. Сначала один гик-энтузиаст создал беспилотный автомобиль на базе обычной «Хонды» и кучи датчиков — и это чудо с проводами ездило лучше, чем разработки известных автопроизводителей. Потом компьютер научили играть в «Го»: игру, где традиционные алгоритмы были бессильны — слишком много комбинаций — и компьютер обыграл всех белковых собратьев. В общем, буквально за несколько лет стало очевидно, что по-другому обучать машины служить своим (пока еще) хозяевам — долго и не настолько качественно.
Но, кроме алгоритма и внешних признаков, для качественного обучения нужны данные. Много данных.
Big Data,
которые действительно Big
У знаменитого теперь компьютера для игры в «Го» проблем со входящими данными не было: просто закачали в память записанные игры между людьми, и машина, помигивая неонками, перелопатила все это в стройный алгоритм у себя в железной голове. Кстати, со второй версией того же компьютера было еще веселее: вместо готовых игр ему скормили только правила игры и заставили играть со своей копией, т.е. люди в процессе обучения вообще не участвовали. Вторая версия обучилась на порядок быстрее и играет лучше первой.
Сложнее иметь дело с реальным миром, который не подчиняется строгим правилам. Как объяснить машине, что эти два не очень похожих друг на друга животных — кошки? Или как объяснять беспилотному автомобилю, что дорожные знаки висят на разной высоте, а велосипедисты выглядят совсем не так, как на картинках? Нейросети, обучение с подкреплением и прочие механизмы позволяют сделать все эти чудеса, но нужно много времени и исходного материала. Каждый раз, когда вы кликаете «Я не робот» на каком-нибудь сайте и отвечаете, «на каких картинках есть автобус», — вы вносите небольшой вклад в развитие машинного обучения где-то в недрах (скорее всего) Google.
Иногда сбор и обработка действительно больших массивов данных выдает совершенно очаровательные результаты. Одна торговая сеть решила проверить корреляции между покупками по картам постоянных покупателей и настроить адресные подсказки типа «советуем вам купить товар Б» для тех, кто купил товар А. Продажи увеличились, лояльность покупателей на высоте, маркетологи открывают шампанское. А через некоторое время руководство одного из магазинов вынуждено объяснять рассерженной матери почему ее дочери советуют купить памперсы и тест на беременность. Оказывается, профиль покупок точно совпал с тем, что покупают романтически настроенные девушки перед свиданием, а самыми частыми следующими покупками в этой же сети оказывались именно тест и подгузники. К слову, бездушная машина оказалась права, тест на беременность пригодился (насчет подгузников — не уверен).
В общем-то, все это вы уже видите в своей жизни вполне работающее: магия прошла, восторги от новинок — тоже, что делать дальше? А дальше интересы потребителей и разработчиков, как ни странно, совпадают. Разработчикам нужно еще больше данных для анализа, а потребителям — хоть какие-то приятные плюшки от взаимодействия со всеми этими данными.
Internet of Things,
или как подружить чайник и холодильник
Слегка идиотская идея о том, чтобы включать чайник через WiFi (какой смысл, если воду все равно надо наливать, ногами дойдя до кухни?), постепенно вылилась в несколько слабо пересекающихся вселенных IoT. Тут вам и умные лампочки, и автоматический свет, и плейлист по утрам, и тот же пресловутый чайник (или кофеварка). К сожалению, для конечного потребителя тут пока полный «дикий запад»: куча несовместимых протоколов; периодически умирающие облачные решения; Apple и Amazon, тянущие одеяло каждый на свою сторону; старички типа Philipps и Osram, высокомерно посматривающие на «эти ваши стартапы».
Что приятного?
- IKEA решила положить конец бардаку и сделала более-менее универсальные решения (гуглите серию TRÅDFRI), да еще и подписала соглашение с Xiaomi, одним из самых быстрорастущих производителей с большой линейкой устройств.
- В борьбе голосовых ассистентов (вот это вот «Ок, гугл, какие новости?») наступило шаткое равновесие между Siri (Apple), Alexa (Amazon) и Home Assistant (Google). Явного лидера нет (точнее, каждый из них лидирует в чем-то своем), поэтому пользователи получают быстрое развитие продуктов, обалденные рождественские скидки и прочие плюшки в надежде производителя затащить их свою экосистему
- Цены на все это новомодное барахло становятся все ниже, и для ближайшего ремонта вам точно стоит задуматься о покупке лампочки которая загорается, когда вы шлепаете ночью в туалет.
При всей кажущейся несерьезности всех этих модных штук мы получаем гигантский объем данных, которые (если отбросить конспирологические теории) позволяют развиваться всей индустрии. В нашем новом автомобиле камера сама распознает знаки на дороге и подсказывает ограничение скорости, но руль еще надо крутить самому. Если для самодвижущейся повозки надо еще понажимать кнопочки «Я не робот» или купить лампочку в IKEA — почему бы и нет?
Автор публикации
Читайте также:
Самый большой супермаркет
01 апреля 2019
Почти 50% населения Мальты, включая стариков и младенцев, купили что-нибудь в интернете в прошлом году.
Чжэ Тан: "Писать музыку тоже самое, что говорить. Ты должен говорить на собственном музыкальном языке"
12 июня 2018
Дениз Реджич беседует с Чжэ Таном — известным пианистом, самым молодым профессором фортепиано Шанхайской консерватории и одним из членов жюри Мальтийского международного фортепианного конкурса. Маэстро Тан знает, в чем кроются основные различия в проведении подобных музыкальных соревнований в Европе и Китае, взвесил все «за» и «против». Тан также рассказывает о чертах характера, которые помогут конкурсантам добиться успеха, и дает им ценные советы.
Joseph Calleja: «Events like MIMF put Malta on the world cultural map»
21 января 2018
Malta’s greatest tenor on his more–than–opera music experiences, cultural life in Malta at present and his interest to the Russian language.
Эмилия Дарзиньша. Мальта располагает к музицированию без стресса. Молодые музыканты из Латвии дали серию концертов на Мальте.
16 июня 2018
…В послеобеденное время по всем коридорам и классам Российского центра науки и культуры (РЦНК) на Мальте разлились звуки музыки. Звонкая скрипка, вкрадчивая виолончель, бойкий кларнет, нежная флейта… Это молодые литовские музыканты разбрелись по этажам и кабинетам для того, чтобы порепетировать перед вечерним концертом.
Филипп Копачевский: «Пока для тебя концерт — это событие, он будет событием и для публики…»
03 июня 2019
«С первых звуков, сыгранных им, ощущаешь мощную лирическую индивидуальность пианиста…», «органичный сплав мастерства и духовной зрелости вкупе с непосредственной эмоциональностью…», «…сплав романтической манеры исполнения с аналитическим пониманием музыки»… Это всего лишь несколько цитат, которыми пестрит интернет, когда вбиваешь имя — Филипп Копачевский.
Проект реконструкции часовни Палаццо де Ла Саль стал обладателем архитектурной премии
12 марта 2021
В 2021 году вручение архитектурных премий мальтийской организации Din l-Art Ħelwa, деятельность которой посвящена сохранению национального наследия острова, состоялось в 15-ый раз. Мальтийское общество искусств совместно с кафедрой архитектурного наследия Мальтийского университета стало обладателем высшей награды в категории: «лучший проект реставрации объекта культурного наследия» за реконструкцию часовни Палаццо де ла Саль. Жюри премии отметило, что этот проект — «пример архитектурного совершенства…