Сверхдержавы искусственного интеллекта Ли Кай-фу

Еще в 1999 году китайские исследователи ИИ блуждали во тьме в самом буквальном смысле этих слов. Сейчас я объясню, что имею в виду. В том году я посетил Научно-технический университет Китая с лекцией о нашей работе по распознаванию речи и изображений в Microsoft Research. Университет был одним из лучших технических вузов в стране, но находился в южном городе Хэфэй, в далекой от Пекина провинции.

Студенты начали занимать места в аудитории еще ночью, а во время лекции те, кому мест не досталось, приникали к окнам, надеясь хоть что-то услышать. Их интерес был настолько велик, что в конце концов я попросил организаторов разрешить им стоять в проходах и даже сидеть на сцене вокруг меня.

Они внимательно слушали, как я рассказывал об основах распознавания и синтеза речи, трехмерной графики и компьютерного зрения, делали заметки и засыпали меня вопросами. Китай, бесспорно, отставал от Соединенных Штатов более чем на десятилетие в исследованиях ИИ, но те студенты впитывали знания как губки. Волнение в комнате ощущалось на физическом уровне. Лекция затянулась, и когда я вышел из аудитории и направился к главным воротам университета, уже стемнело. Корпуса общежития тянулись по обе стороны улицы, но в кампусе царила тишина, и вокруг никого не было. И внезапно все изменилось. Как будто по команде, из общежитий полился поток студентов. Я остановился, с удивлением наблюдая картину, похожую на замедленную съемку эвакуации по пожарной тревоге. Происходившую в абсолютной тишине.

Только когда студенты уселись на бордюр вдоль тротуара и открыли свои учебники, я понял, что происходило: по правилам общежития свет в помещениях выключался в 11 часов, и студенты выходили на улицу, чтобы продолжить заниматься под уличными фонарями. В ту минуту в их мягком желтом сиянии я увидел перед собой сотни молодых, ярких и талантливых инженеров Китая. Тогда я не мог, конечно, знать, что будущий основатель одной из самых успешных китайских компаний, построенных на ИИ, тоже был там и пытался использовать для занятий два часа, оставшихся до наступления полной темноты.

Учебники, которые читали эти студенты, были по большей части устаревшими и плохо переведенными, но будущие молодые ученые старались выжать из них все до капли. Доступ в интернет в вузах оставался редкостью, а обучение за рубежом было возможно только в том случае, если его оплачивала какая-то организация. Лишь страницы учебников с замусоленными уголками и отдельные лекции изредка приглашаемых ученых были их окошком в мир, через которое они могли получить сведения о передовых исследованиях ИИ.

Как же все изменилось с тех пор!

Строительный материал для сверхдержавы ИИ

Как я уже упоминал, для строительства сверхдержавы ИИ нужны четыре основные составляющие: изобилие данных, упорные предприниматели, высококвалифицированные исследователи ИИ и благоприятная политическая обстановка. Мы уже видели, как экосистема гладиаторских стартапов Китая подготовила поколение самых искушенных предпринимателей в мире и как альтернативная интернет-вселенная Китая породила богатейшую в мире экосистему данных.

В этой главе дается оценка потенциала США и Китая в том, что касается государственной поддержки и экспертных знаний по ИИ. Я верю, что в эпоху внедрения ИИ уровень Кремниевой долины вполне возможно будет превзойти, пусть это и непросто. Используя всю мощь государственной поддержки и преимущества прагматического подхода, Китай проложит себе путь к скорейшему внедрению технологий, меняющих правила игры на рынке.

Поскольку искусственный интеллект проникает в экономику все глубже, инженеров, работающих с ним, будет все больше. На этом этапе количество станет важнее качества. Чтобы экономика совершила рывок благодаря технологиям ИИ, недостаточно горстки элитных ученых, готовых открывать новые горизонты. Понадобится армия блестяще обученных инженеров, которые объединятся с предпринимателями, чтобы внедрить результаты уже сделанных открытий.

Китай готовит именно такую армию. За два десятилетия, прошедших со дня лекции в Хэфэе, сообщество специалистов по ИИ в Китае в значительной степени сократило разрыв с аналогичным сообществом в США. Хотя Америка все еще обходит все страны по числу исследователей-суперзвезд, китайские компании и научно-исследовательские организации пополняют свои ряды хорошо образованными инженерами, которым предстоит вступить в эпоху внедрения ИИ. Страна получила этих специалистов благодаря той жажде знаний, что я видел у них в Хэфэе. Китайские студенты, изучающие ИИ, больше не портят себе глаза, читая в темноте устаревшие учебники. Они пользуются открытой исследовательской культурой ИИ, способствующей усвоению знаний из первоисточника в режиме реального времени. Теперь благодаря интернету они могут получить доступ к последним академическим публикациям, обсудить в группах WeChat подходы ведущих исследователей ИИ и посмотреть лекции на экранах своих смартфонов.

Все это со временем позволит технологическому сообществу Китая догнать элиту интеллектуальных лидеров – ведь молодое поколение китайских исследователей-энтузиастов уже сегодня вносит свой вклад в науку. Это дает китайским стартапам возможность использовать передовые алгоритмы с открытым кодом при создании продуктов ИИ, имеющих практическое применение: автономных беспилотных летательных аппаратов, систем оплаты через распознавание лица и интеллектуальной бытовой техники.

Эти стартапы сейчас борются за кусочек рынка ИИ, где доминируют несколько крупных игроков – так называемые Семь гигантов эпохи ИИ: Google, Facebook, Amazon, Microsoft, Baidu, Alibaba и Tencent. Эти компании-гиганты, четыре из которых находятся в США, а три – в Китае, ведут свою смелую игру, стремясь удержать доминирующие позиции в экономике ИИ. У них есть миллиарды долларов и головокружительные запасы данных – этого достаточно, чтобы прибрать к рукам самых талантливых специалистов. Компании-гиганты ведут работу по созданию «энергосистемы» эпохи ИИ – частных вычислительных сетей для распространения машинного обучения во всех областях экономики, пытаясь стать «базовой инфраструктурой». Это явление вызывает беспокойство у тех, кто выступает за открытую экосистему ИИ, и чревато отставанием Китая в погоне за званием сверхдержавы ИИ. Но частные компании не смогут полностью реализовать экономический потенциал ИИ без прямой поддержки государства.

Как вы помните, вскоре после того, как Кэ Цзе проиграл матч с AlphaGo, Центральное правительство Китая выпустило широкомасштабный план для выхода страны на лидерские позиции в сфере ИИ. Как и кампания под лозунгом «Массовые инновации – массовому предпринимательству!», план должен был привести к мощному технологическому рывку за счет щедрых субсидий для ИИ-стартапов и государственного заказа. В политике Китая произошли реальные сдвиги. Честолюбивые мэры по всей стране начали прилагать все усилия к тому, чтобы превратить свои города в площадки для реализации возможностей ИИ. Они стали прокладывать маршруты для грузовиков без водителя, устанавливать системы распознавания лиц на общественном транспорте и подключать транспортные сети к «городскому мозгу» для оптимизации пассажирских потоков. За этими действиями кроется основное различие в американской и китайской политической культуре: в то время как жесткая американская политическая система беспощадно наказывает за ошибки или нерациональное использование средств, утилитарный подход Китая вознаграждает за щедрые инвестиции и участие во внедрении новой технологии. Ни одна система не может претендовать на объективное превосходство, ведь уровень свободы творчества и технических достижений в Соединенных Штатах до сих пор не имеет себе равных. Но я считаю, что в эпоху внедрения ИИ китайский подход более эффективен, а генерирование большего количества данных поможет создать задел для дальнейшего роста. Таков эффект единого порыва, в основе которого лежит магия цифровых данных, упорство предпринимателей, политическая воля и полученные за счет самоотверженного труда знания. Поэтому, чтобы понять, на каком этапе сейчас находятся обе сверхдержавы ИИ, мы должны сначала выяснить, откуда берутся эти знания.

Нобелевские лауреаты и безымянные ремесленники

Ступив на палубу английского почтового судна Franconia II в 1938 году, Энрико Ферми изменил мировой баланс сил. Он только что получил Нобелевскую премию по физике в Стокгольме, но вместо того чтобы вернуться домой в Италию, где правил Бенито Муссолини, Ферми со своей семьей отплыл в Нью-Йорк.

Они отправились в Америку, так как их не устраивали расистские законы Италии: евреям или африканцам запрещалось иметь более одной работы и вступать в брак с итальянцами. Жена Ферми, Лаура, была еврейкой, и он решил перевезти семью на другой конец света, вместо того чтобы терпеть антисемитизм, охвативший Европу.

Это был очень личный поступок, но он привел к потрясающим последствиям для всего мира. После прибытия в США Ферми узнал об открытии учеными нацистской Германии ядерного распада и быстро приступил к изучению этого явления. Ему удалось получить первую в мире цепную ядерную реакцию в реакторе, прямо под трибунами университетского стадиона в Чикаго. Сверхсекретный Манхэттенский проект приобрел невиданный размах и привел к созданию ядерного оружия. Сделанные тогда бомбы положили конец Второй мировой войне в Тихом океане и заложили основу для ядерного миропорядка. Ферми и Манхэттенский проект распахнули перед человечеством дверь в новую эпоху открытий. В ядерной физике 1930-е и 1940-е годы были эпохой фундаментальных прорывов, и один Энрико Ферми стоил тысячи менее блестящих физиков. Американское лидерство в значительной степени обеспечивали прибывающие в США гении вроде Ферми: мужчины и женщины, способные единолично склонить чашу весов научной мощи в пользу своего государства. Но не каждая технологическая революция следует этой схеме. Часто после масштабного прорыва основной объем работы из рук элитных исследователей переходит к армии инженеров-ремесленников, обладающих достаточным опытом для использования той или иной технологии при решении различных практических задач. Это особенно верно для тех случаев, когда результат прорыва находит применение в повседневной жизни, а не остается в стенах нескольких военных лабораторий. Примером такого процесса является массовая электрификация. Вслед за открытиями Томаса Эдисона в области электричества началось быстрое внедрение в жизнь различных изобретений на их основе. С электричеством экспериментировали тысячи инженеров: они искали пути, чтобы привести новые приборы в действие и реорганизовать производственные процессы. Им не нужно было совершать великие открытия, как Эдисону. Они просто должны были знать, как работает электричество, и учитывать это при создании полезной и эффективной техники. Наша нынешняя фаза реализации ИИ соответствует этой последней модели.

Постоянный поток сообщений о новейших достижениях в области ИИ дает нам ошибочное ощущение, что мы живем в эпоху открытий – время, подобное тому, когда Энрико Ферми определил мировой баланс сил. На самом деле мы наблюдаем за последствиями одного фундаментального прорыва – открытия глубокого обучения и связанных с ним методов, применимых к решению множества разных проблем. Теперь процесс требует участия хорошо обученных научных работников – мастеров-ремесленников нашей эпохи. Сегодня эти мастера используют сверхчеловеческие способности ИИ в области распознавания образов для оформления кредитов, управления автомобилями, перевода текста, игры в го и поддержки вашего голосового ассистента Amazon Alexa.

Пионеры глубокого обучения – Джеффри Хинтон, Ян Лекун, Джошуа Бенжио и другие – уже стали Энрико Ферми эпохи ИИ. Они продолжают раздвигать границы возможностей искусственного интеллекта. Вероятно, они сделают еще не одно открытие, способное изменить правила игры и перевернуть сложившийся порядок в мире технологий. Но в то же время основную часть работы по применению достижений ИИ делают сегодня мастера-ремесленники.

Обмен достижениями

Нынешняя технологическая революция дала ученым и техническим специалистам важное преимущество – мгновенный доступ к последним работам ведущих новаторов в любой области. Во время промышленной революции в Англии закрытые границы государств и языковые барьеры мешали распространению важных достижений. Однако культурная открытость Америки и более свободные законы об интеллектуальной собственности помогли некоторым серьезным изобретениям просочиться туда. Тем не менее между новатором и практиком-имитатором всегда оставалась существенная дистанция.

В наши дни все обстоит по-другому. Когда китайских предпринимателей спрашивают, насколько Китай отстает от Кремниевой долины в исследовании искусственного интеллекта, некоторые из них в шутку отвечают: «На 16 часов» – такова разница во времени между Калифорнией и Пекином. Америка может быть домом для лучших исследователей, но большая часть их достижений и гипотез мгновенно становится доступна любому, у кого есть подключение к интернету и основные знания об ИИ. Такому обмену информацией способствуют две определяющие черты сообщества исследователей ИИ: открытость и быстрота коммуникации.

Исследователи искусственного интеллекта, как правило, публикуют свои алгоритмы, данные и результаты работы в открытом доступе. Они делают это, потому что их объединяет общая цель, а также потому что стремятся достичь объективных показателей в научном соревновании. Во многих иных науках эксперименты нельзя точно воспроизвести в другой лаборатории: мельчайшие изменения в методе или окружающей среде могут значительно повлиять на результаты. Но эксперименты с ИИ полностью воспроизводимы, а алгоритмы являются напрямую сравниваемыми. Единственное требование – обучение и тестирование этих алгоритмов должно проводиться на идентичных наборах данных. Международные конкурсы часто требуют от соревнующихся команд, занимающихся компьютерным зрением или распознаванием речи, предоставлять свои работы для разбора другим исследователям.

Скорость совершенствования ИИ также заставляет исследователей оперативно делиться своими результатами. Многие ученые, работающие с ИИ, не пытаются совершить фундаментальные прорывы, сравнимые с открытием глубокого обучения, – они занимаются тем, что постоянно дорабатывают самые лучшие алгоритмы. Эта тонкая настройка регулярно помогает устанавливать новые рекорды точности при решении задач в области распознавания речи или визуальной идентификации. Когда исследователи соревнуются между собой, победителя определяют именно такие рекорды, а не успех разработанных продуктов или экономические результаты. И когда ученый устанавливает новый рекорд, он, конечно, хочет известности и признания. Но в современной науке все происходит очень быстро, и многие исследователи опасаются, что, пока они будут ждать публикации в журнале, их рекорд превзойдут и он останется незарегистрированным. Поэтому они стремятся к скорейшей публикации и выбирают для нее такие сайты, как www.arxiv.org – онлайн-хранилище научных статей. Сайт позволяет исследователям мгновенно зафиксировать свои достижения с указанием времени и места.

В мире, изменившемся после победы AlphaGo, китайские студенты, исследователи и инженеры стали одними из самых жадных читателей arxiv.org. Они тщательно просматривают этот сайт в поисках новых методов, впитывая все, что могут предложить самые выдающиеся исследователи в мире. Наряду с академическими публикациями китайские студенты, изучающие ИИ, также отслеживают, переводят и снабжают субтитрами лекции ведущих деятелей науки в этой области, таких как Ян Лекун, Себастьян Трун из Стэнфорда и Эндрю Ын. После десятилетий, проведенных за чтением устаревших учебников в полутьме, эти будущие ученые упиваются свободным доступом к работам, отражающим глобальные научные тенденции.

Сообщество ИИ Китая образует гигантские группы и создает мультимедийные платформы в WeChat для подробного обсуждения всего самого нового в области ИИ. Тринадцать новых медиакомпаний, появившихся только для того, чтобы освещать этот сектор науки, предлагают своей аудитории отраслевые новости, экспертный анализ и открытый диалог. Эти информационные агентства могут похвастаться более чем миллионом зарегистрированных пользователей, а половина из них пользуется венчурным финансированием, что поднимает оценку каждого такого агентства выше 10 млн долларов. Я сам участвую в академических дискуссиях и вхожу в число пятисот членов специальной группы в WeChat, которая собирается каждую неделю, чтобы обсудить свежие публикации об исследованиях в области ИИ. Чат-группа гудит сотнями сообщений в день: серьезные вопросы по научной статье, обсуждаемой на этой неделе, скриншоты последних достижений участников в работе над алгоритмами и, конечно же, множество эмодзи. Но китайские практики не просто пассивно приобщаются к мудрости западного мира. Они теперь и сами вносят свой вклад в экосистему, и размер этого вклада стремительно растет.

Что делать с конференцией?

У Ассоциации по продвижению искусственного интеллекта (AAAI) возникла проблема. Эта уважаемая организация уже целых три десятилетия проводила важнейшие всемирные конференции, посвященные ИИ, но в 2017 году мероприятие оказалось под угрозой срыва из-за того, что его даты совпали с китайским Новым годом. Несколько лет назад это не вызвало бы осложнений. Большинство докладчиков составляли американские, британские и канадские ученые, а группа китайских исследователей была малочисленной. Но на участие в конференции 2017 года пришло почти равное количество заявок от исследователей из Китая и Соединенных Штатов, и возникла опасность, что половина желающих не сможет присутствовать на ней из-за главного для китайской культуры праздника.

«Ведь никто не стал бы назначать конференцию на Рождество, – сказал президент Ассоциации в интервью журналу Atlantic. – Нам пришлось срочно принять меры и перенести конференцию на неделю вперед»[43].

Китайские разработчики внесли свой вклад в развитие ИИ на всех уровнях, от тонких настроек существующих моделей до внедрения принципиально нового подхода к построению нейронных сетей. При просмотре выдержек из академических исследований растущее влияние китайских ученых становится очевидным. Один из аналитических обзоров Sinovation Ventures, посвященных библиографии статей, которые были опубликованы в сотне лучших журналов или озвучены на конференциях об ИИ с 2006 по 2015 год, показал, что за это время доля работ авторов с китайскими именами выросла почти вдвое – с 23,2 % до 42,8 %[44]. В это число входят и некоторые авторы китайского происхождения, работающие за рубежом, – например, американские исследователи-китайцы, не поменявшие имя на английское. После проведения уточняющего опроса оказалось, что подавляющее большинство авторов – сотрудники научно-исследовательских организаций Китая. Недавний подсчет публикаций в научно-исследовательских институтах мирового масштаба также подтвердил эту тенденцию. В результате в рейтинге ста наиболее часто публикующих свои материалы научно-исследовательских институтов, работающих в области ИИ, с 2012 по 2016 год Китай оказался вторым, уступив лишь Соединенным Штатам, а среди элитных учебных заведений Университет Цинхуа стоял даже выше Стэнфордского университета, превосходя его по количеству публикаций[45]. Эти работы в значительной мере относились к эпохе до победы AlphaGo, после которой Китай принялся активно растить новых молодых исследователей. В ближайшие годы новая волна молодых аспирантов выведет исследования ИИ в Китае на новый уровень. Ведь в конечном счете вклад ученых в науку не сводится к количеству документов и статей. С приходом глубокого обучения в стране был сделан ряд важнейших достижений в области нейронных сетей и компьютерного зрения. Многие их авторы прежде работали в Microsoft Research China – подразделении корпорации, основанном мною в 1998 году. Позже, будучи переименованным в Microsoft Research Asia, оно продолжило работу и вырастило более пяти тысяч исследователей ИИ, включая топ-менеджеров Baidu, Alibaba, Tencent, Lenovo и Huawei.

В 2015 году команда Microsoft Research Asia одержала победу на всемирном конкурсе по распознаванию изображений ImageNet. Алгоритм, обеспечивший команде превосходство, назывался ResNet: он смог идентифицировать и классифицировать изображения со 100 000 фотографий в 1000 различных категорий, доля ошибок составляла всего 3,5 %[46]. Два года спустя, когда специалисты DeepMind Google построили AlphaGo Zero – обновленную версию AlphaGo, обучающуюся только на играх с самой собой, они использовали ResNet в качестве одного из своих основных технологических строительных блоков. Китайские исследователи, создавшие ResNet, оставались в Microsoft недолго. Из четырех авторов разработки ResNet один присоединился к исследовательской группе Яна Лекуна в Facebook, а остальные трое основали стартапы в области ИИ в Китае или присоединились к чужим. Один из таких стартапов – Face++ – быстро стал мировым лидером в области распознавания лиц и изображений. В соревновании по распознаванию изображений COCO 2017 команда Face++ заняла первые места в трех из четырех важнейших категорий, опередив лучшие группы специалистов из Google, Microsoft и Facebook.

Некоторым наблюдателям на Западе эти научные достижения кажутся идущими вразрез с глубоко укоренившимися представлениями о том, как политическая система влияет на национальную науку. Не должны ли китайские органы контроля над интернет-технологиями сдерживать рвение китайских исследователей? Система государственного регулирования в Китае часто подвергается критике – если говорить об общественных дискуссиях и социальных исследованиях, ее влияние и правда весьма ощутимо. Но в области точных наук контроль государства куда мягче. Искусственный интеллект не затрагивает чувствительные политические вопросы, и никто не ограничивает китайских ученых в их работе по созданию передовых алгоритмов и программных приложений. И в этом можно не сомневаться. В 2017 году, на конференции по искусственному интеллекту и всемирной безопасности, бывший генеральный директор Google Эрик Шмидт предостерег участников от снисходительного отношения к возможностям Китая в области ИИ. Он предсказал, что через пять лет Китай в этом отношении способен догнать США. В своей оценке Шмидт был откровенен и весьма прямолинеен: «Поверьте мне: китайцы очень хороши… И если вы думаете, что каким-то чудом их государственная система или система образования перестанут порождать тот тип людей, который я имею в виду, то вы глубоко заблуждаетесь»[47].

Семь гигантов и следующий прорыв

Но в то время как глобальное исследовательское сообщество ИИ расцвело, превратившись в гибкую и открытую экосистему, один ее компонент остался довольно закрытым: это крупные корпоративные исследовательские лаборатории. Академические исследователи могут спешить поделиться своей работой со всем миром, но публичные технологические компании должны в первую очередь максимизировать прибыль своих акционеров. Это обычно ведет к тому, что такие компании меньше внимания уделяют публикациям и больше – созданию запатентованных технологий.

Из сотен компаний, вкладывающих ресурсы в исследования ИИ, вернемся к семи, которые стали новыми гигантами в этой области: Google, Facebook, Amazon, Microsoft, Baidu, Alibaba и Tencent. По сути, эти семь гигантов превратились в то, чем были 50 лет назад сами нации, – то есть большие и относительно закрытые системы, задействующие таланты своих сотрудников и ресурсы, чтобы создавать технологии «для внутреннего употребления». Но результаты корпоративных исследований все же невозможно запечатать наглухо: участники одних групп уходят, чтобы основать свои собственные стартапы в области ИИ, а некоторые другие группы, такие как Microsoft Research, Facebook AI Research и DeepMind, по-прежнему публикуют статьи о своих наиболее значимых успехах. Но все же, если в одной из этих компаний будет сделано уникальное открытие, то такую коммерческую тайну, способную принести компании огромные прибыли, будут всеми силами держать за семью замками и попытаются извлечь из нее максимально возможную выгоду до того, как она станет широко известна.

Новаторские открытия, совершаемые в замкнутых системах, представляют собой наибольшую опасность для экосистемы ИИ в мире. Их недоступность угрожает загнать Китай в тупик на его пути к глобальному лидерству в области ИИ. На сегодняшний день Китай уже опережает Соединенные Штаты в плане роста предпринимательства, накопления данных и государственной поддержки и быстро догоняет их в плане опыта и знаний. Если в течение ближайших лет технологический статус-кво сохранится, множество китайских стартапов ИИ в разных отраслях начнут стремительно набирать мощь. Благодаря глубокому обучению и другим технологиям машинного обучения они захватят десятки секторов экономики и будут пожинать плоды ее преобразования. Но если следующий масштабный прорыв произойдет в ближайшее время и в герметично закупоренной корпоративной среде, все достигнутое окажется под вопросом. Это может дать одной компании безоговорочное преимущество перед другими семью гигантами и вернуть нас к эпохе открытий, когда важность уникальных знаний вновь сместит баланс сил в пользу Соединенных Штатов.

Здесь следует пояснить, что, на мой взгляд, шансы такого прорыва внутри одного из корпоративных гигантов в ближайшие годы будут невелики. Глубокое обучение стало самым большим шагом вперед за последние 50 лет, а достижения такого масштаба редко появляются чаще одного раза в несколько десятилетий. Даже если следующий прорыв и произойдет, то, скорее всего, это случится в открытой исследовательской среде. Сейчас корпоративные гиганты вкладывают беспрецедентные ресурсы в глубокое обучение. Это говорит о большом объеме работ по тонкой настройке его алгоритмов и небольшой доле исследований, направленных на поиск инновационного решения, которое могло бы привести к смене парадигмы. Чистая наука оказывается не в состоянии конкурировать с практическим применением глубокого обучения в промышленности, так как для этого нужны большие объемы данных и соответствующие вычислительные мощности. Поэтому многие академические исследователи поддерживают призыв Джеффри Хинтона двигаться дальше и сосредоточиться на изобретении «следующего уровня глубокого обучения» – принципиально нового подхода к проблемам ИИ, способного изменить правила игры. Именно такие исследования, вероятнее всего, приведут к следующему эпохальному открытию, результаты которого обязательно будут обнародованы, чтобы весь мир мог ими воспользоваться.

Google против остальных

Итак, если следующий прорыв совершит какая-нибудь из корпораций, то больше всего шансов у Google. Среди семи гигантов ИИ Google, а точнее его материнская компания, Alphabet, владеющая DeepMind и ее самостоятельным подразделением Waymo, стоит на ступень выше остальных. Компания Google одной из первых увидела потенциал в глубоком обучении и вложила в его освоение больше ресурсов, чем кто бы то ни было. Если говорить об объемах финансирования, то тут она обошла даже собственное правительство: федеральное финансирование исследований в области математики и информатики в США составляет немногим менее половины бюджета, выделяемого Google на исследования и разработку[48]. Эти средства позволили Alphabet привлечь самые светлые умы в мире. Из ста лучших исследователей и инженеров в области искусственного интеллекта около половины уже работает на Google. Вторая половина распределена между остальными гигантами, академическими кругами и несколькими небольшими стартапами. Многих сумели привлечь компании Microsoft и Facebook, причем с Facebook сотрудничают такие суперзвёзды, как Ян Лекун. Из китайских гигантов раньше всех занялась проблемой глубокого обучения Baidu, в 2013 году она даже пыталась приобрести стартап Джеффри Хинтона, но здесь, предложив лучшую цену, ее опередила Google. Тогда и состоялся решительный переворот 2014 года, когда, чтобы возглавить лабораторию искусственного интеллекта Baidu в Кремниевой долине, в компанию пришел Эндрю Ын. Под его руководством в тот год были достигнуты впечатляющие результаты. К 2015 году алгоритмы ИИ, разработанные специалистами Baidu, обошли человека в распознавании китайской речи. Это было большим достижением, но оно прошло почти незамеченным в Соединенных Штатах. Однако когда через год Microsoft добилась того же для английского языка, компания охарактеризовала свое достижение как «историческое»[49]. Ын покинул Baidu в 2017 году, чтобы создать собственный инвестиционный фонд ИИ[50], но за время, проведенное им в компании, Baidu успела заявить о себе на мировой арене, в том числе благодаря своим исследованиям. Alibaba и Tencent довольно поздно присоединились к погоне за талантами, но у них уже были денежные ресурсы и запасы данных, чтобы привлечь к работе лучших ученых. При этом Tencent, управляющая многоцелевым суперприложением WeChat на крупнейшем в мире интернет-рынке, обладает, пожалуй, одной из самых богатых экосистем данных. Это позволяет ей привлекать исследователей ИИ высочайшего класса и обеспечивать им необходимые условия для работы. В 2017 году Tencent открыла научно-исследовательский институт в Сиэтле и сразу начала переманивать сотрудников из Microsoft, чтобы укомплектовать его. Alibaba последовала ее примеру и планирует открыть глобальную сеть исследовательских центров, в том числе в Кремниевой долине и Сиэтле. До сих пор Tencent и Alibaba еще не заявили о результатах своих научных исследований открыто, предпочитая выпускать больше целевых приложений. Причем Alibaba взяла курс на разработку «Умного города», обширной интегрированной системы на основе ИИ для оптимизации деятельности городских служб, использующей данные видеокамер, социальных сетей, служб общественного транспорта и геолокационных приложений. Работая с руководством своего родного города Ханчжоу, компания Alibaba применила передовые алгоритмы распознавания объектов и прогнозирования для настройки светофоров и оповещения о ДТП. Испытания показали, что средняя скорость движения в некоторых районах повысилась на 10 %, и Alibaba готовится внедрить ту же технологию в других городах.

Хотя Google, возможно, удалось привлечь наибольшее число самых ярких талантов в области ИИ, это отнюдь не гарантирует ей превосходства. Как уже говорилось ранее, фундаментальных открытий бывает мало, они случаются редко и порой в неожиданных местах. Глубокое обучение обязано своим появлением на свет нескольким группам одержимых исследователей с весьма своеобразным подходом к машинному обучению, который был отвергнут ведущими специалистами области. Следующая прорывная технология может пребывать сейчас на любой стадии готовности, скрытая до поры в университетских кампусах или в лабораториях крупных корпораций. В то время как мир ждет новых великих открытий, мы занимаемся реализацией уже существующих достижений.

Энергетические сети против аккумуляторов ИИ

Но гиганты не просто соревнуются друг с другом в погоне за следующим открытием в области глубокого обучения. Они также участвуют в еще более жестком соревновании с небольшими стартапами, стремящимися использовать машинное обучение для переворота в конкретных отраслях. Это соревнование между двумя подходами к распределению «энергии» ИИ в экономике в целом. «Сетевой» подход семи гигантов противостоит «аккумуляторному» подходу стартапов. Результат гонки станет определяющим для бизнес-ландшафта в сфере ИИ: будет ли это монополия, олигополия или свободная конкуренция между сотнями компаний. Компании, придерживающиеся «сетевого» подхода, хотят поставить ИИ на коммерческую основу. Они стремятся превратить силу машинного обучения в стандартизированную услугу – платную для корпоративного использования и бесплатную для академических и личных целей. Доступ к ней можно будет получить через облачные вычислительные платформы. В этой модели платформы облачных вычислений действуют как сеть, выполняя сложные оптимизации машинного обучения на данных и задачах пользователей. Компании, стоящие за этими платформами, – Google, Alibaba и Amazon – играют роль технической инфраструктуры, управляя сетью и взимая плату за услуги. Доступ к этой сети позволит обычным компаниям, у которых имеются большие массивы данных, легко подключать услугу оптимизации средствами ИИ, доступными извне, без необходимости соответствующим образом перестраивать весь свой бизнес. TensorFlow от Google, библиотека с открытым исходным кодом и целая экосистема для создания моделей глубокого обучения, предлагает раннюю версию такого подключения, но для работы с ней пользователю все еще требуется некоторый опыт в области ИИ. Цель сетевого подхода – снизить порог необходимых экспертных знаний и увеличить функциональность облачных платформ ИИ. Использовать машинное обучение не так просто, как включить обычный электроприбор, и есть вероятность, что реализовать «сетевой» подход так и не удастся, но гиганты ИИ все же работают над ним, чтобы потом получать прибыль от генерирования «энергии» и управления «энергосетями». Стартапы в области ИИ придерживаются противоположного подхода. Вместо того чтобы ждать, пока эта сеть сформируется, стартапы строят для каждого конкретного случая очень специфические продукты, питающиеся от «аккумуляторных батарей» ИИ. Эти стартапы делают ставку на конкретные задачи, а не на широкую функциональность. Вместо того чтобы предоставлять клиенту сразу все возможности машинного обучения, они создают новые продукты и обучают алгоритмы решению определенных задач, в том числе в области медицинской диагностики, ипотечного кредитования и даже эксплуатации автономных дронов. Они делают ставку на то, что обычные компании просто не смогут загрузить подробные данные о своей ежедневной работе в универсальную сеть. Вместо того чтобы предоставлять таким компаниям доступ к ИИ, эти стартапы ставят перед собой цель уничтожить и заново построить их с нуля с помощью ИИ. Еще слишком рано судить о том, какой подход более перспективен. В то время как исполинские компании вроде Google медленно простирают свои щупальца на весь мир, стартапы в Китае и США спешат захватить нетронутые территории и защититься от вторжений этих семи гигантов. От результата их борьбы и зависит то, какой станет наша экономика. Астрономическая прибыль может сосредоточиться в руках семи гигантов – если они станут суперинфраструктурой эпохи ИИ, – но может и рассеяться, превратившись в прибыль для каждой из тысяч ярких новых компаний.

Одна из тайн Китая

Существует еще одна область конкуренции, которая не менее важна как для гигантов ИИ, так и для стартапов обеих стран, – это компьютерные микросхемы, также известные как полупроводниковые интегральные микросхемы. Высокопроизводительные микросхемы – это скромные и незаметные герои любой революции в области вычислительной техники. Они в буквальном смысле составляют основу наших настольных компьютеров, ноутбуков, смартфонов и планшетов и по этой причине остаются скрытыми от глаз конечного пользователя. Но с экономической точки зрения, впрочем, как и с точки зрения безопасности, эти детали очень важны: рынки склонны к формированию прибыльных монополий, а уязвимые в плане безопасности участки лучше всего выявляются теми, кто работает непосредственно с аппаратурой.

Каждый этап развития компьютеров требует новых типов микросхем. Когда на рынке воцарились десктопы, производители микросхем стремились поднять до максимума скорость вычислений и обработки графики на экране с высоким разрешением, не особенно беспокоясь об энергоэффективности (ведь настольные компьютеры работали постоянно подключенными к электрической сети). Intel особенно хорошо освоила их производство, заработав в результате миллиарды. Но с распространением смартфонов появился запрос на более эффективное использование энергии, и вскоре на пьедестале воцарилась компания Qualcomm, чьи микросхемы были основаны на придуманной в Великобритании архитектуре ARM.

Теперь, когда на смену традиционным вычислительным программам приходит работа алгоритмов ИИ, требования снова меняются. Для машинного обучения необходимо молниеносное выполнение сложных математических расчетов, и ни продукты Intel, ни встроенные чипы Qualcomm для этого не подходят. В пустующую нишу шагнула Nvidia, ранее известная как ведущий производитель видеокарт. Поскольку математика, лежащая в основе графической обработки, похожа на ту, что требуется для ИИ, Nvidia смогла прийти на новый для себя рынок. В период с 2016 по начало 2018 года цена акций этой компании увеличилась в десятки раз. Ее микросхемы легли в основу всех важнейших достижений ИИ – от распознавания лиц до беспилотных автомобилей, и это послужило отправным импульсом для начала работ по созданию микросхем нового поколения. Google и Microsoft – компании, долгие годы избегавшие делать собственные микросхемы, встали в один ряд с Intel, Qualcomm и некоторыми новыми «железными» стартапами из Кремниевой долины. Facebook объединился с Intel для тест-драйва ее микросхем для ИИ. И впервые в истории можно сказать, что Китай занимает значительную часть этой ниши. Китайское правительство в течение многих лет – и даже десятилетий – пыталось организовать в стране производство микросхем. Но создание высокопроизводительной микросхемы – чрезвычайно сложный и трудоемкий процесс, и несколько проектов, которые финансировало государство, потерпели неудачу. За последние три десятилетия лишь нескольким частным компаниям Кремниевой долины удалось сделать выпуск микросхем прибыльным для себя. Китайские политики и основатели множества стартапов, работающих в этой области, надеются, что однажды все изменится. Китайское Министерство науки и технологий выделяет большие средства на создание микросхемы, которая по производительности и энергоэффективности должна быть в 20 раз лучше, чем продукция Nvidia. Китайские стартапы в области производства микросхем, такие как Horizon Robotics, Bitmain и Cambricon Technologies, привлекают достаточный объем инвестиций и работают над специализированными продуктами, предназначенными для беспилотных автомобилей или других вариантов использования ИИ. Изобилие данных в стране обеспечит создателям оборудования бесценный материал, на котором можно проводить испытания их продуктов. В целом в разработке микросхем бесспорным лидером пока остается Кремниевая долина. Однако китайское правительство и венчурное сообщество страны изо всех сил стараются это изменить, потому что развитие ИИ грозит экономическим кризисом, который будет уже вопросом не только бизнеса, но и политики.

Повесть о двух планах развития ИИ

12 октября 2016 года Белый дом, который тогда возглавлял президент Барак Обама, обнародовал тщательно разработанный план того, как Соединенные Штаты поставят себе на службу энергию искусственного интеллекта.

Документ подробно описывал, какие преобразования ожидаются в области экономики в связи с применением достижений ИИ, и предусматривал меры по их поддержке: повышенное финансирование исследований, активизация гражданско-военного сотрудничества и инвестиции, направленные на смягчение социальных последствий. В целом план довольно правильно отражал картину надвигавшихся перемен и предлагал некоторые здравые способы адаптироваться к ним.

Но документ, опубликованный Белым домом, произвел не больше впечатления, чем какая-нибудь сухая стратегическая программа, предложенная академическим учебным заведением. Вышедший на той же неделе, что и печально известное видео с выступлением Дональда Трампа в Голливуде, доклад почти не обсуждался в СМИ. Он не смог разжечь пламя общенародного интереса к ИИ и не повлек за собой потока новых венчурных инвестиций и государственного финансирования для стартапов ИИ. Его содержание не побудило мэров или губернаторов заняться поддержкой компаний, работающих с ИИ. Всего через три месяца вступивший в должность президент Трамп предложил сократить финансирование исследований в области ИИ Национальным научным фондом[51]. Вялая реакция общества на доклад Обамы резко контрастировала с ударной волной, порожденной планом внедрения ИИ, который предложило китайское правительство.

Как и предыдущие китайские правительственные документы, касающиеся технологий, он был написан простым языком и повлек за собой огромные последствия. Опубликованный в июле 2017 года План разработки искусственного интеллекта нового поколения содержал много положений и рекомендаций, которые присутствовали и в плане Белого дома. В нем точно так же были прописаны сотни отраслевых приложений этой технологии и установлены ориентиры для продвижения Китая к статусу сверхдержавы ИИ. План ставил перед страной следующие цели: войти в число сильнейших экономик, построенных на ИИ, к 2020 году, совершить фундаментальные прорывы к 2025-му и стать мировым лидером в области ИИ к 2030 году.

И если AlphaGo был китайским «спутником ИИ», то правительственный План разработки искусственного интеллекта был похож на эпохальную речь президента Джона Кеннеди, в которой он заявил, что Америка собирается отправить человека на Луну. В докладе не было свойственной Кеннеди высокой риторики, но он действительно сплотил страну вокруг этой идеи.

Ставки на ИИ

План был составлен в самых высоких кругах Государственного совета, но реальные действия происходят на уровне честолюбивых китайских мэров. После опубликования плана местные чиновники, жаждущие продвинуться по службе, бросили все силы на превращение своих городов в центры разработки ИИ. Они предлагали субсидии на исследования, способствовали притоку в эту область венчурного капитала из «целевых фондов», закупали продукты и услуги местных стартапов ИИ и открывали десятки специальных зон развития и инкубаторов.

Насколько многогранной оказалась эта политика поддержки, можно увидеть на примере одного города – Нанкина, столицы провинции Цзянсу на восточном побережье Китая. Нанкин не входит в число ведущих китайских городов и, в отличие от Пекина, Шэньчжэня и Ханчжоу, он не может похвастаться множеством основанных в нем стартапов. Но в попытках открыть Нанкин для ИИ правительство города вкладывает огромные средства и политические ресурсы в привлечение компаний, работающих в сфере ИИ, и самых талантливых специалистов.

Между 2017 и 2020 годами Нанкинская зона экономического и технологического развития планирует направить не менее 3 млрд юаней (около 450 млн долларов) на разработки в области ИИ. За счет этих средств будут предоставлены гигантские объемы субсидий и льгот: до 15 млн юаней планируется инвестировать в местные компании, до 1 млн юаней раздать в виде грантов компаниям для привлечения талантливых специалистов, до 5 млн юаней выделить в качестве субсидий на исследования. Также планируется создать институт по подготовке специалистов в области ИИ, подписать правительственные контракты на разработку автономных роботов и систем распознавания лиц, ввести упрощенные процедуры регистрации компаний, обеспечить офисными помещениями и стартовым финансированием ветеранов армии, предоставить компаниям бесплатные автобусы-шаттлы и возможность учиться в местных школах для детей руководства, выделить квартиры для сотрудников стартапов в области ИИ.

И это все только в одном городе. В Нанкине насчитывается 7 млн жителей: по их числу он занимает десятое место в Китае, стране с сотней городов-миллионников. Государство уже сейчас осыпает многие из этих городов деньгами, и все они конкурируют за привлечение средств фондов и создание наилучшей среды для деятельности компаний, работающих в области ИИ. Подобные процессы я уже наблюдал дважды за прошлое десятилетие. Между 2007 и 2017 годами Китай с нуля построил систему высокоскоростных железных дорог, и на данный момент протяженность этих линий превышает суммарную протяженность аналогичных железных дорог во всем мире. Во время акции под лозунгом «Массовые инновации – массовому предпринимательству!», которая началась в 2015 году, подобная же волна поддержки привела к созданию 6600 новых инкубаторов для стартапов и буквально сплотила нацию вокруг идеи ИИ.

Конечно, еще слишком рано говорить о результатах кампании по развитию ИИ в Китае, но вся его история показывает, что, скорее всего, она будет не совсем рациональной, но даст чрезвычайно высокий результат. Сам объем финансирования и скорость развертывания практически гарантируют, что не все средства будут потрачены разумно.

Государственная бюрократия не может быстро разместить миллиарды долларов инвестиций и субсидий без определенных потерь. Поэтому будут и пустующие общежития для специалистов по ИИ, и инвестиции в бесперспективные стартапы. Некоторые компании начнут создавать видимость, что работают с ИИ, чтобы получить субсидии, а часть закупленного для исследований ИИ оборудования так и останется пылиться в государственных учреждениях.

Но это риск, на который готовы пойти китайские правительственные чиновники ради высокой цели – провести экономическую и технологическую модернизацию своих городов. Потенциальная выгода от такого преобразования достаточно велика, чтобы оправдать высокие ставки. И даже если достичь желаемого результата не получится, на мэров не обрушится критика оппонентов, ведь они действуют по указанию Центрального правительства.

Сравните это с тем, что в аналогичной ситуации произошло в Соединенных Штатах. После финансового кризиса 2008 года президент Обама опубликовал программу стимулирования экономики, согласно которой перспективные проекты в области возобновляемой энергетики должны были получить гарантии по государственному кредиту. Эта программа была призвана не только оживить стагнирующую экономику, но и способствовать сдвигу в сторону «зеленой» энергетики. В числе других кредитные гарантии получила компания Solyndra из Калифорнии, выпускавшая солнечные батареи. На тот момент она производила впечатление успешной, но в 2011 году обанкротилась. Критики президента Обамы быстро превратили этот провал в одну из самых мощных политических дубинок на президентских выборах 2012 года. Они агрессивно критиковали «расточительность» правительства как проявление «кланового капитализма» и «венчурного социализма»[52]. Неважно, что программа, согласно прогнозам, должна была приносить деньги федеральному правительству, – одного громкого провала хватило, чтобы пошли прахом все усилия по технологической модернизации. Обама устоял и выиграл еще одни выборы, но американские политики сделали из этой истории однозначный вывод: использовать государственное финансирование для инвестиций в экономическую и технологическую модернизацию – слишком рискованное дело. Успехи часто остаются незамеченными, а каждая осечка дает пищу для критики оппонентам. Гораздо безопаснее держаться подальше от этого неблагодарного занятия – модернизации экономики.

Дилеммы беспилотного транспорта

Разница политических культур влияет и на создание благоприятной политической среды для развития ИИ. В течение последних 30 лет китайские лидеры придерживаются своего рода техно-утилитарного подхода, внедряя современные технические достижения ради более широкого распространения социальных благ, но при этом понимая, что для некоторых людей или даже отраслей это может обернуться потерями. Ведь любая политическая система далека от совершенства. Призывы правительства увеличивать инвестиции и расширять производство могут качнуть маятник рыночных капиталовложений слишком сильно. В последние годы это приводило к избыточным поставкам и неприемлемой долговой нагрузке в китайской промышленности, причем проблемы коснулись широкого ассортимента продукции – от панелей солнечных батарей до стали. Но когда национальные лидеры призывают создавать новые технологии, способные привести к экономическим сдвигам сейсмического масштаба, техно-утилитарный подход может дать огромные преимущества. Хорошим примером такого сдвига стали беспилотные автомобили.

В 2016 году 40 000 человек погибли в США в результате дорожно-транспортных происшествий. Это как если бы теракт, произошедший 11 сентября 2001 года, повторялся каждый месяц с января по ноябрь и дважды в декабре. По оценке Всемирной организации здравоохранения, ежегодно в автокатастрофах гибнет около 260 000 человек в Китае и 1,25 млн по всему миру[53].

Беспилотные транспортные средства близки к тому, чтобы превзойти по безопасности транспорт, управляемый людьми. Широкое распространение этой технологии способно значительно снизить смертность на дорогах. Ее внедрение также приведет к резкому повышению эффективности перевозок и всей логистической цепи, а значит, будет выгодным для всей экономики. Но вместе с тем многие люди лишатся рабочих мест, а кто-то – и жизни. В мире самоуправляемого транспорта особенно трудно придется диспетчерам, таксистам, водителям грузовиков и автобусов. В самоуправляемых автомобилях неизбежно будут неисправности, приводящие к авариям, а порой автономным транспортным средствам придется принимать неоднозначные этические решения. Например, что делать, если в критической ситуации движение по прямой приведет к гибели двоих человек с вероятностью 55 %, а уход в сторону – к неизбежной гибели одного человека.

Каждый из описанных рисков связан с болезненными этическими вопросами. Так как же обеспечить сосуществование на дорогах миллионов управляемых людьми грузовиков и беспилотных транспортных средств, экономящих миллиарды долларов и миллионы рабочих часов? Чем должен руководствоваться беспилотный автомобиль, принимая решение, в какую машину врезаться? Как алгоритм автономного транспортного средства должен оценивать жизнь его владельца? Должен ли ваш самоуправляемый автомобиль пожертвовать вашей жизнью, чтобы спасти жизни трех других людей? Таковы вопросы, которые не дают покоя моралистам. Эти же вопросы могут задержать принятие законов, необходимых для внедрения автономных транспортных средств, и втянуть компании, специализирующиеся на ИИ, в многолетние судебные тяжбы. Они вполне могут привести к тому, что американские политики, уже имевшие неприятный опыт стычек с оппонентами, начнут ставить беспилотному транспорту палки в колеса. Мы уже видели первые признаки этого, когда профсоюзы водителей грузовиков успешно лоббировали исключение грузовых автомобилей из принятых в 2017 году законов, которые должны были ускорить внедрение автономных транспортных средств.

Я верю, что китайское правительство будет рассматривать эти непростые темы как важные проблемы, требующие изучения, но не как повод препятствовать внедрению технологии, способной в недалеком будущем спасти десятки, если не сотни тысяч жизней. Я понимаю, что большинство американцев могут не принять эту точку зрения, но для китайской политической культуры не так характерно стремление к полному консенсусу по морально-этическим вопросам. Речь идет о более важном общественном благе – возможности спасти множество жизней в долгосрочной перспективе, – и это само по себе станет достаточным основанием, чтобы начать внедрять инновацию, а рассмотрение юридических и моральных тонкостей оставить на потом. Опять же, я не призываю правительства США и Европы подражать техно-утилитарному подходу, применяемому в Китае: каждая страна выбирает свой путь, основываясь на собственных культурных ценностях. Но важно понять и позицию Китая, и то, как она повлияет на скорость развития искусственного интеллекта.

Ускорение этого процесса будет означать все ту же борьбу за ИИ, в ходе которой местные чиновники сделают все возможное в надежде на повышение. Они будут привлекать с помощью субсидий лучшие компании, работающие с ИИ, а мэры городов и губернаторы провинций поспешат первыми реализовать самые громкие проекты, такие как ИИ-консультанты для врачей государственных больниц, создание сети маршрутов грузовых беспилотников и «Умный город», оптимизирующий потоки и график уличного движения. Они будут поддерживать эти проекты как ради собственного, так и ради общественного блага, не очень задумываясь о проблемах, которые могли бы отпугнуть американских политиков, боящихся рисковать. Я не пытаюсь дать этическую оценку ни одной из этих двух систем. И утилитарные методы управления, и сугубо правовой подход имеют свои уязвимые стороны и недостатки. Открытость Америки для иммиграции и уважение прав личности всегда помогали ей привлекать самых одаренных ученых из разных стран мира. Именно так в США оказались и Энрико Ферми, и Альберт Эйнштейн, и многие современные ведущие ученые в области искусственного интеллекта. С другой стороны, «вертикальная» модель экономической модернизации и рьяное стремление рядовых чиновников претворить в жизнь распоряжения Центрального правительства могут привести к расточительным тратам и долгам. Но в данном случае основа для освоения потенциала ИИ уже была подготовлена за годы социального и экономического строительства, и теперь техно-утилитарный подход Китая дает ему определенное преимущество. Готовность китайского правительства пойти на риск позволяет ему делать большие ставки на революционные технологии, а его практический подход будет способствовать их скорейшему внедрению. Имея в виду эти сильные и слабые стороны, связанные с особенностями национальной культуры, мы можем построить график внедрения ИИ и посмотреть, как некоторые его продукты изменят мир вокруг нас.

В 2017 году я впервые услышал, как Дональд Трамп говорит по-китайски. Во время первой поездки президента США в Китай его выступление с приветствием, адресованным участникам крупной технической конференции, транслировалось на большой экран.

Он начал свою речь на английском, а затем резко перешел на китайский.

«ИИ изменяет мир, – сказал он на безупречном китайском, но с типичным для Трампа напором. – И разработки iFlyTek – это что-то фантастическое».

Трамп, конечно, не умеет говорить по-китайски. Но ИИ действительно изменяет мир, и такие передовые китайские компании, как iFlyTek, прокладывают путь для этих изменений. Обучив свои алгоритмы на больших выборках выступлений президента Трампа, iFlyTek создала почти идеальную цифровую модель его голоса: совпадало все – интонация, тональность, манера речи. Потом эту вокальную модель перенастроили на китайский язык и продемонстрировали всему миру, как могла бы звучать речь Дональда Трампа, если бы он вырос в деревне неподалеку от Пекина. Движение губ было синхронизировано с китайскими словами не точно, но достаточно правдоподобно, чтобы обмануть случайного зрителя. Президент Обама тоже получил сувенир от iFlyTek: это была видеозапись реальной пресс-конференции, только говорил он на идеальном мандаринском наречии, причем в свойственном ему «профессорском» стиле.

«С помощью iFlyTek я выучил китайский язык, – сказал Обама корреспондентскому корпусу Белого дома. – Думаю, что говорю на нем лучше, чем Трамп. А вы как считаете?» iFlyTek может сказать то же самое своим конкурентам: эта китайская компания одержала победы на ряде престижных международных конкурсов ИИ по распознаванию и синтезу речи, распознаванию изображений и машинному переводу. Даже в обработке естественного языка (то есть способности ИИ понимать общий смысл высказывания) на «втором» языке компании, английском, iFlyTek часто оставляет позади команды Google, DeepMind, Facebook и IBM.

Этот успех пришел не сразу. Еще в 1999 году, когда я начинал работу над проектом Microsoft Asia, моим лучшим помощником некоторое время был одаренный молодой человек с докторской степенью по имени Лю Цинфэн. Он входил в число тех студентов, которые после моей лекции в Хэфэй покидали общежитие, чтобы продолжить читать учебники при свете уличных фонарей. Свойственные ему трудолюбие и творческий подход к научным исследованиям делали его одним из самых перспективных молодых исследователей в Китае. Но когда мы предложили ему грант и стажировку в Microsoft с последующим трудоустройством, Лю не согласился. Он хотел начать свою деятельность в компании, занимающейся разработками в области ИИ. Я сказал ему, что признаю его выдающиеся исследовательские способности, но Китай слишком сильно отстал от таких американских гигантов в области распознавания речи, как компания Nuance, и что в Китае не так много пользователей, которых могла бы заинтересовать эта технология. Лю, к его чести, не поверил моим словам и стал основателем iFlyTek. Прошло почти 20 лет, были одержаны десятки побед на конкурсах в области ИИ, и в конце концов iFlyTek значительно превзошла Nuance и по техническим возможностям, и по рыночной капитализации, став самой дорогой в мире компанией, занимающейся распознаванием речи. Сочетание передовых достижений iFlyTek в распознавании, переводе и синтезе речи приведет к созданию новаторских продуктов на основе ИИ, таких как наушники с синхронным переводом, мгновенно преобразующие ваши слова и голос в речь на любом языке. Подобные продукты скоро произведут революцию в международных поездках, бизнесе и культуре и высвободят новые огромные запасы времени для творчества и созидательного труда.

Несколько волн ИИ

Но это произойдет не сразу. Полная революция займет некоторое время и будет состоять из четырех волн – то есть этапов внедрения ИИ. Первым мир покорит ИИ интернета, затем ИИ для бизнеса, потом наступит черед ИИ восприятия и автономного ИИ. На каждом из этих этапов ИИ будет захватывать новые области нашей повседневной жизни.

Первые две волны – ИИ интернета и ИИ для бизнеса – уже накрыли нас, почти неощутимо меняя цифровой и финансовый мир. Они настойчиво привлекают наше внимание к интернет-компаниям, заменяют юристов среднего звена алгоритмами, ведут торговлю акциями и диагностируют болезни.

ИИ восприятия сейчас оцифровывает наш физический мир, учится распознавать лица, понимать просьбы и «видеть» окружающее. Эта волна обещает изменить наше восприятие реальности и взаимодействие с ней, размывая границы между цифровым и физическим миром. Автономный ИИ придет последним, но окажет сильнейшее влияние на нашу жизнь. Как только самоуправляемые автомобили заполнят улицы, автономные дроны поднимутся в небо, а интеллектуальные роботы начнут трудиться на фабриках, они изменят до неузнаваемости все стороны нашей жизни – от выращивания органических овощей и фруктов до вождения и питания. Для каждой из этих волн нужны разные виды данных, и каждая из них дает Соединенным Штатам и Китаю шанс захватить лидерство. Китай может занять лидирующие позиции в области ИИ интернета и ИИ восприятия, и, скорее всего, быстро догонит Соединенные Штаты в области автономного ИИ. В настоящее время ИИ для бизнеса остается единственной ареной, где Соединенные Штаты бесспорно сохраняют первенство.

Конкуренция, однако, будет возникать не только в этих двух странах. Услуги на основе ИИ впервые появились на рынке в Соединенных Штатах и Китае, но они будут распространяться по всему миру, причем этот процесс уже широко развернулся в развивающихся странах. Такие компании, как Uber, DiDi, Alibaba и Amazon, яростно конкурируют за формирующиеся рынки, но применяют при этом разные стратегии. В то время как гиганты Кремниевой долины приходят в новые страны со своими продуктами, интернет-компании Китая, напротив, инвестируют в местные стартапы, пытающиеся сопротивляться давлению со стороны США. Конкурентная борьба, которая еще только начинается, окажет сильное влияние на глобальный экономический ландшафт XXI века. Но чтобы понять, как она будет развиваться и внутри самих соревнующихся стран, и за их пределами, мы должны сначала окунуться в каждую из четырех волн искусственного интеллекта, захлестывающих их экономики.

Первая волна: ИИ интернета

ИИ интернета уже, вероятно, залез в вашу голову, а если нет – то в ваш бумажник. Вы когда-нибудь ловили себя на том, что битый час смотрите видео на YouTube, хотя не собирались этого делать? Сайт со сверхъестественной догадливостью предлагает вам один за другим ролики, которые вы просто не можете не посмотреть до того, как вернетесь к работе? А Amazon, похоже, знает, что вы хотите купить, раньше, чем вы успеете об этом подумать?

Если да, то вы уже пользуетесь преимуществами ИИ интернета (или уже стали его жертвой, в зависимости от того, как вы оцениваете свое время и деньги).

Первая волна ИИ начала подниматься почти 15 лет назад и набрала полную силу около 2012 года. ИИ интернета – это в основном рекомендательные алгоритмы: они изучают наши личные предпочтения, а затем предлагают контент, подобранный специально для нас. Эффективность этих механизмов зависит от данных, к которым у них есть доступ, и именно крупные интернет-компании в настоящее время располагают самыми большими объемами цифровых данных в мире. Однако эти данные становятся действительно полезными для алгоритмов только после того, как они были «размечены». Но вам, как пользователям, не нужно активно «размечать» что-либо – оценивать контент или привязывать к нему ключевые слова. Ярлыки появляются при сопоставлении части данных с конкретным результатом: «купил» против «не купил», «нажал» против «не нажал», «посмотрел до конца» против «перешел на другое видео». Эти метки – наши покупки, «лайки», просмотры или время пребывания на конкретных страницах – в дальнейшем используются для обучения алгоритмов, чтобы те могли предлагать нам подходящий контент. У обычного пользователя появляется чувство, что интернет «становится лучше» – то есть дает ему то, чего он хочет, – а его интернет-зависимость усиливается. Это еще одно доказательство силы ИИ: он использует данные, чтобы узнать нас как можно лучше, а затем оптимизирует свои действия, приспосабливаясь к нашим желаниям. Такая оптимизация приводит к существенному увеличению прибыли для интернет-компаний, зарабатывающих деньги на кликах: Google, Baidu, Alibaba, YouTube и их аналогов со всего мира. Используя ИИ интернета, Alibaba рекомендует вам продукты, которые вы, скорее всего, купите, Google показывает целевую рекламу, на которую вы обязательно кликнете, а YouTube предлагает видеоролики, которые вам захочется просмотреть. Применив те же методы в другом контексте, компания Cambridge Analytica использовала данные Facebook, чтобы лучше повлиять на американских избирателей во время президентской кампании 2016 года. Кстати, считается, что именно Роберт Мерсер, основатель Cambridge Analytica, первым сказал: «Хорошие данные – это очень много данных»[54].

Алгоритмы и редакторы

Первая волна ИИ породила интернет-компании совершенно нового типа. В Китае лидером среди них является Jinri Toutiao (что означает «Сегодняшние заголовки»). Основанную в 2012 году Toutiao иногда называют китайским BuzzFeed, потому что оба сайта служат агрегаторами, преподносящими пользователю «оптимизированные» под его интересы новости. Но на «оптимизации» под индивидуального пользователя сходство и заканчивается. В BuzzFeed штат молодых редакторов ловко готовит оригинальный контент. «Редакторы» Toutiao – это алгоритмы.

Механизмы ИИ Toutiao ищут в интернете контент, используя инструменты обработки естественного языка и компьютерного зрения для анализа материалов широкой сети партнерских сайтов и утвержденных источников. Затем они, опираясь на прошлое поведение своих пользователей – их клики, данные о прочтении, мнения, комментарии, и так далее, – создают персонализированные новости, соответствующие интересам каждого человека. Алгоритмы приложения даже меняют заголовки, чтобы увеличить число кликов. И чем больше этих кликов, с тем большей точностью Toutiao будет предлагать им контент, который они хотели бы увидеть. Эта положительная обратная связь позволила создать одну из самых востребованных платформ контента в интернете, в приложении которой пользователи проводят в среднем по 74 минуты в день[55].

Отчеты роботов и фейковые новости

Toutiao использует машинное обучение не только для сбора контента, но и для создания статей и контроля над их содержанием. Во время летних Олимпийских игр 2016 года в Рио-де-Жанейро эта компания вместе с Пекинским университетом работала над созданием «журналиста», который мог бы писать короткие заметки об итогах спортивных событий за несколько минут после их завершения. Статьи получались не совсем «художественными», но скорость была невероятной: по окончании некоторых соревнований «репортер» выпускал короткие резюме в течение двух секунд и «охватывал» более 30 спортивных событий в день.

Алгоритмы также используются для выявления сфабрикованных новостей. Первоначально читатели обнаруживали вводящие в заблуждение тексты и сообщали о них – это была, по существу, бесплатная разметка данных. Затем Toutiao использовала эти помеченные данные, чтобы научить алгоритм самостоятельно распознавать фальшивые новости. А затем она пошла настолько далеко, что даже научила отдельный алгоритм такие новости создавать. Далее оба алгоритма заставили соревноваться в том, чтобы обмануть друг друга. В процессе этой борьбы они совершенствовались. Основанный на ИИ подход к контенту принес компании огромную прибыль. К концу 2017 года Toutiao уже оценивалась в 20 млрд долларов и вышла на новый круг финансирования, после которого ее оценка может превысить 30 млрд долларов. Для сравнения, BuzzFeed стоит 1,7 млрд. Прогнозируемые доходы Toutiao на 2018 год составляют сумму между 4,5 и 7,6 млрд долларов. Компания прилагает много усилий, чтобы выйти на зарубежные рынки. После предпринятой в 2016 году неудачной попытки купить Reddit, популярный в США сайт-агрегатор, в 2017 году Toutiao прибрала к рукам французский агрегатор новостей и Musical.ly – китайское приложение для караоке, безумно популярное у американских подростков.

Успех Toutiao наглядно демонстрирует достижения Китая в области ИИ интернета. Имея аудиторию из более чем 700 млн интернет-пользователей, говорящих на одном языке, интернет-гиганты Китая зарабатывают огромные деньги на оптимизации онлайн-услуг с помощью ИИ. Это способствовало и быстрому росту рыночной капитализации Tencent, которая в ноябре 2017 года превысила рыночную капитализацию Facebook, а затем перешагнула показатель в 500 млрд долларов. Прежде этого рубежа не достигала ни одна китайская компания. Оставшиеся позади Alibaba и Amazon теперь были вынуждены соревноваться между собой. Несмотря на сильные позиции Baidu в исследовании ИИ, его мобильные сервисы значительно отстают от продуктов Google. Но эту нишу заполнили быстро выросшие китайские компании вроде Toutiao, которые строят свой бизнес на основе ИИ интернета и уже оцениваются в миллиарды долларов. И прибыль этих интернет-компаний многократно возрастет, когда они научатся еще лучше и дольше удерживать наше внимание и собирать наши клики.

В целом китайские и американские компании примерно одинаково сильны в области ИИ интернета, и их шансы на лидерство составляют приблизительно 50 на 50. Я предвижу, что через пять лет китайские технологические компании добьются небольшого преимущества (60 к 40). Мы ведь помним, что в Китае больше пользователей интернета, чем в Соединенных Штатах и всей Европе, вместе взятых, и эти пользователи легко переводят деньги создателям контента, платформам O2O и другим пользователям. Такая комбинация создает почву для выпуска креативных интернет-приложений на основе ИИ и открывает уникальные возможности для монетизации.

Добавьте к этому хватких и хорошо финансируемых предпринимателей, и вот уже есть пусть не решающее, но вполне существенное преимущество Китая перед Кремниевой долиной.

Однако экономический потенциал, генерируемый первой волной ИИ, в целом ограничен сферой высоких технологий и цифрового мира. Огромные возможности оптимизации с помощью ИИ станут доступны более традиционным компаниям в самых разных областях экономики, когда придет вторая волна – ИИ для бизнеса.

Вторая волна: ИИ для бизнеса

Первая волна ИИ основывается на действиях интернет-пользователей, которые автоматически помечают данные при просмотре. Основная идея ИИ бизнеса заключается в том, что традиционные компании также автоматически помечают огромные объемы данных в течение десятилетий. Например, страховые компании выплачивают страховку при несчастных случаях и выявляют мошенников, банки выдают кредиты и документируют сроки их погашения, а больницы ведут учет диагнозов и показателей выживаемости. Все эти действия создают размеченные точки данных: к каждому набору признаков привязывается определенный результат. Но до недавнего времени наиболее традиционным предприятиям было трудно использовать эти данные на практике. ИИ бизнеса ищет в базах данных скрытые корреляции, которые люди могут не заметить. Он опирается на все когда-либо принятые решения и достигнутые результаты и использует помеченные данные для обучения алгоритма, способного работать лучше самых опытных специалистов. Это потому, что люди обычно делают прогнозы на основе показательных признаков – тех данных, которые тесно связаны с результатом, часто посредством четкой причинно-следственной связи. Например, при прогнозировании вероятности того, что человек заболеет диабетом, показательными признаками будут его вес и индекс массы тела. Алгоритмы ИИ, конечно же, учитывают показательные признаки, но они также принимают во внимание тысячи других, менее заметных факторов: периферийные точки данных, на первый взгляд не важные, но способные повлиять на прогноз при сопоставлении их с десятками миллионов конкретных случаев. Человек нередко не может увидеть в этих корреляциях причинно-следственную связь: например, почему заемщики, которые берут кредиты в среду, погашают эти кредиты быстрее? Но алгоритмы, способные объединить тысячи показательных и незаметных признаков с помощью сложнейших математических операций, превзойдут даже первоклассных специалистов-людей в решении многих аналитических бизнес-задач.

Подобные способы оптимизации хорошо работают в отраслях, где накоплены большие объемы структурированных данных. «Структурированными» можно назвать данные, которые категоризированы, размечены и доступны для поиска. Это, например, массивы данных о ценах на акции, использовании кредитных карт и статистика невыплаченных ипотечных кредитов.

Как работает ИИ для бизнеса

Еще в 2004 году компании Palantir и IBM Watson предлагали предпринимателям и правительствам услуги бизнес-консалтинга на основе анализа больших объемов данных. Но массовое внедрение глубокого обучения в 2013 году сделало эти услуги более доступными и породило новых конкурентов, таких как Element AI в Канаде и 4th Paradigm в Китае.

Эти стартапы работают с традиционными компаниями или организациями, предлагая им внедрить свои алгоритмы в существующие базы данных, чтобы найти возможные способы оптимизации. Они помогают своим клиентам эффективно выявлять мошенничество, совершать более разумные сделки и обнаруживать нерациональные звенья в цепочках поставок. Ранние проекты на основе ИИ для бизнеса были сосредоточены в финансовом секторе, потому что он, естественно, построен на наиболее тщательном анализе данных. Эта отрасль работает с хорошо структурированной информацией и имеет четкие показатели, которые и необходимо оптимизировать. Это объясняет, почему Соединенные Штаты вырвались вперед и раньше других разработали приложения для применения ИИ в области бизнеса. Крупные американские корпорации уже давно собирают большие объемы данных и хранят их в хорошо структурированных форматах. Они часто используют программное обеспечение для ведения бухгалтерии, учета инвентаря и управления взаимоотношениями с клиентами. Как только данные введены в формы, такие компании, как Palantir, могут вступить в игру и с помощью инструментов ИИ найти решения, которые позволяют сэкономить средства и увеличить прибыль.

Однако в Китае такой подход неприменим. Китайские компании никогда массово не использовали корпоративное программное обеспечение или стандартизированные хранилища данных, предпочитая индивидуальные системы ведения бухгалтерии. Часто эти системы не масштабируются и плохо интегрируются с существующим программным обеспечением, что усложняет очистку и структурирование данных. Недостаток данных также делает результаты оптимизации менее точными. Еще одна проблема связана с особенностями деловой культуры: китайские компании тратят гораздо меньше денег на сторонний консалтинг, чем американские. Многие китайские предприятия старой школы больше напоминают феодальные вотчины, чем современные организации, и их руководители часто считают, что внешняя экспертиза – это пустая трата денег.

Попрощайтесь с вашим банкиром

Как корпоративные данные Китая, так и его корпоративная культура затрудняют применение искусственного интеллекта второй волны для традиционных компаний. Но в тех отраслях промышленности, где ИИ может, как в чехарде, «перескочить» через какой-то большой этап, Китай решительно шагает вперед. При этом относительная отсталость страны в таких областях, как финансовые услуги, превращается в трамплин для передовых приложений ИИ. На их основе строится одно из наиболее перспективных направлений в этой области – микрофинансирование. Когда Китай «перескочил» через кредитные карты сразу к мобильным платежам, в стороне осталась проблема кредитования. WeChat и Alipay позволяют снимать средства прямо с вашего банковского счета, но не дают вам возможности потратить немного больше денег до следующей зарплаты. Образовавшаяся ниша была занята ИИ-приложением Smart Finance, которое стало выдавать миллионы небольших кредитов, полагаясь исключительно на свои алгоритмы. Вместо того чтобы просить потенциального заемщика ввести сумму заработка, оно просто запрашивает доступ к некоторым данным из его телефона. Эти данные образуют своего рода цифровой отпечаток пальца, по которому с удивительной точностью можно определить, вернет ли заемщик кредит в триста долларов.

Алгоритмы глубокого обучения Smart Finance не просто рассматривают очевидные показатели, например, сколько денег в вашем кошельке WeChat. Наряду с этим они опираются на данные, которые ничего не значили бы для банковского служащего. Например, учитывают скорость, с которой вы ввели дату рождения, остаток заряда вашего телефона и тысячи других параметров.

Какое отношение аккумулятор телефона заявителя имеет к кредитоспособности? На этот вопрос нельзя ответить на основе простой причинно-следственной связи. Но это не означает, что ИИ ошибается. Это означает, что наш разум не всегда способен распознать корреляции в больших потоках данных. Обучив свои алгоритмы на миллионах данных о выплаченных и невыплаченных кредитах, компания Smart Finance выявила тысячи мельчайших особенностей, связанных с кредитоспособностью, в том числе тех, которые кажутся необъяснимыми с точки зрения здравого смысла.

Эти необычные параметры составляют то, что основатель Smart Finance Kэ Цзяо называет «новым эталоном красоты» для кредита, заменяющим необработанные данные о доходах, почтовый индекс и даже кредитный рейтинг[56].

Растущие горы данных позволяют компании совершенствовать алгоритмы, расширять клиентуру и предоставлять кредиты людям из социальных групп, обычно игнорируемых традиционным банковским сектором Китая: молодежи и рабочим-мигрантам. В конце 2017 года Smart Finance выдавала более 2 млн займов в месяц, причем процент невозвратных среди них настолько низок, что самым известным традиционным банкам остается лишь завидовать.

Теперь вас увидят

Но ИИ для бизнеса способен не только считать доллары и центы. Он также способен обеспечить качественными массовыми услугами тех, кто раньше не мог их себе позволить. Одно из самых перспективных направлений для внедрения ИИ – медицинская диагностика. Лучшие исследователи Соединенных Штатов – Эндрю Ын и Себастьян Трун – уже представили эффективные алгоритмы, диагностирующие некоторые заболевания не менее точно, чем врачи. В основе алгоритмов лежит анализ изображений: так, они могут распознать пневмонию по рентгеновским снимкам грудной клетки и рак кожи по фотографиям. Но более универсальное приложение могло бы контролировать весь процесс диагностики различных заболеваний.

В наши дни достаточными медицинскими знаниями, чтобы ставить диагнозы, обладают лишь немногочисленные люди – врачи. При этом человеческая память несовершенна, и у редкого врача хватает времени на то, чтобы следить за всеми исследованиями и достижениями науки в своей области.

Конечно, огромное количество медицинской информации разбросано по интернету, но большинству людей она ничего не говорит. Вероятность получить верный диагноз по-прежнему в значительной степени зависит от места проживания и, откровенно говоря, платежеспособности. Особенно остро это проявляется в Китае, где все хорошо обученные врачи сосредоточены в богатых городах. Уехав за пределы Пекина и Шанхая, вы, вероятно, столкнетесь со значительно более низкой квалификацией врачей. Результат? Пациенты по всей стране стараются попасть в крупные больницы, ожидая в очередях по нескольку дней и усугубляя тем самым свое состояние.

Вторая волна ИИ обещает все это изменить. Основных этапов диагностики два: сбор данных (симптомы, анамнез, особенности окружающей среды) и прогнозирование коррелирующего с ними явления (болезни). Причем поиск различных корреляций и прогнозирование – это именно то, с чем превосходно справляются технологии глубокого обучения. При наличии достаточного объема данных (в нашем примере – медицинской информации) диагностический инструмент на основе ИИ смог бы превратить любого медика в гения диагностики – доктора, вылечившего десятки миллионов пациентов, обладающего сверхъестественной способностью обнаруживать скрытые корреляции, да еще и идеальной памятью в придачу.

Именно к этому стремится компания RXThinking. Основанный китайским исследователем ИИ, который долго проработал в Кремниевой долине и в компании Baidu, стартап обучает медицинские алгоритмы искусственного интеллекта, чтобы в итоге превратить их в супердиагностов и отправить во все уголки Китая. Разработанное RXThinking приложение на основе ИИ призвано не заменить врачей, а значительно расширить их возможности. Оно служит для врачей своего рода навигатором, который предлагает им «лучший маршрут», основанный на анализе информации, но оставляет выбор за ними.

По мере того как алгоритм получает информацию о пациенте, он сужает круг поиска и уточняет вопросы, необходимые для завершения диагностики. Как только информации набирается достаточно, алгоритм выдает список возможных диагнозов и процент вероятности для каждого.

Несмотря на все достоинства приложения, право окончательного решения остается за врачом, который всегда может отклонить его рекомендации, – но следует учесть, что приложение, прежде чем давать их, просматривает более чем 400 млн историй болезни и постоянно сканирует самые свежие медицинские издания. Оно делает медицинское обслуживание мирового класса доступным всем слоям общества, невзирая на социальное неравенство, и позволяет всем врачам и медсестрам посвятить больше времени и сил решению задач, непосильных для машин, – например, поддерживать пациентов, когда диагноз не оставляет надежды.

Консультации в судебной системе

Аналогичные принципы в настоящее время применяются и в правовой системе Китая – еще одной бюрократической структуре, в которой уровень квалификации сотрудников сильно различается в зависимости от региона. Компания iFlyTek активно внедряет ИИ в судопроизводство: она разработала инструменты и реализует пилотную программу в Шанхае, где данные по прошлым делам используются для консультирования судей – как при работе с уликами, так и при вынесении приговоров. С помощью инструментов распознавания речи и обработки естественного языка система сравнивает все представленные доказательства – показания свидетелей, документы, справочные материалы – и находит противоречивые факты. Затем она предупреждает судью о таких спорных моментах, чтобы тот мог инициировать дальнейшее расследование. Когда судья принимает решение, он может обратиться к другому инструменту ИИ за консультацией по поводу приговора. Этот «помощник» изучает факты: сведения о предыдущих судимостях ответчика, возраст, размер причиненных убытков и так далее. Его алгоритмы сканируют миллионы судебных записей по аналогичным делам. На основании изученной информации дается рекомендация: приговорить ответчика к тюремному заключению или штрафу. Судьи также могут просматривать похожие случаи, которые показывают им точки данных в системе координат X-Y. Достаточно нажать на одну из точек, чтобы получить подробную информацию об обстоятельствах дела, закончившегося определенным приговором.

Это процесс обеспечивает согласованность в работе системы, включающей более 100 000 судей, и помогает выявить тех, чьи методы работы выходят за рамки нормы. В одном из районов Китая ИИ даже используется для аттестации и ранжирования всех прокуроров по эффективности их работы[57]. Некоторые американские суды внедрили аналогичные алгоритмы консультирования для оценки риска новых правонарушений в случае условно-досрочного освобождения, хотя использование этого новшества уже было оспорено в вышестоящих судах из-за отсутствия прозрачности.

Как и «навигатор» для врачей RXThinking, все судебные инструменты iFlyTek – это просто инструменты, помогающие человеку принимать обоснованные решения. Полученные на основе анализа данных рекомендации могут компенсировать предвзятость, которую иногда проявляют даже опытные судьи. Американские ученые определили, что расовая принадлежность жертвы и подсудимого в значительной степени влияет на приговор. Влияют на него и иные факторы, хотя и менее вредоносные, чем расизм: исследование работы израильских судей показало, что самые суровые приговоры судьи выносят перед обедом, а после него чаще принимают решения в пользу условно-досрочного освобождения.

Кто станет лидером?

Страницы: «« « 12345 » »»