×

 

В настоящем исследовании консультанты Json & Partners Consulting проанализировали все аспекты развития искусственного интеллекта и его перспективы во всех сферах экономической жизнедеятельности. В исследовании рассмотрена технологическая составляющая искусственного интеллекта, список сценариев использования и его трансформационная сила.

 

В данном обзоре представлена краткая версия исследования. Полную версию исследования вы можете приобрести, обратившись на news@json.tv

  

 

Определения и подходы в изучении Искусственного Интеллекта (ИИ / AI, Artificial Intelligence)

 

Электричество и Интернет коренным образом изменили жизнь человечества в XX веке. В XXI веке такого же масштаба революцию в жизни человека может совершить искусственный интеллект (ИИ). ИИ трансформирует восприятие человеком машин и его взаимодействие с ними. Машины, выполняя более широкий круг задач, смогут справиться с некоторыми видами работ лучше, чем люди.

 

Виртуальная реальность, робототехника, искусственный интеллект и машинное обучение, а также большие данные и Интернет вещей — это инструментальные средства цифровой трансформации в любой компании. Ее конечная цель — радикальное повышение эффективности бизнеса с помощью современных технологий.

 

ИИ приведет к развитию отношений с потребителями, совершенствованию кадровой работы, оптимизации всех процессов, превращению продуктов в сервисы и даже смене бизнес-модели многих бизнесов.

 

ИИ имеет давнюю историю, которая насчитывает более полувека. Нынешнее возрождение интереса считается третьим по счету, однако происходит на совершенно ином фундаменте. Раньше исследования в сфере ИИ тормозились недостатком вычислительных мощностей. Нынешняя инфраструктура и экосистема позволили искусственному разуму начать «думать». Объемы памяти и возможности обработки данных, облачные вычисления, высокоскоростная оптоволоконная связь, повсеместное распространение Wi-Fi и Интернета вещей — все это создает идеальные условия для развития ИИ.

 

Еще двадцать лет назад лишь крупные компании работали над ИИ, теперь у каждого разработчика есть доступ к быстрому соединению, мощным устройствам и технологической инфраструктуре, созданным большими корпорациями. Никогда прежде не было такого широкого доступа к колоссальным массивам данных о людях, тем более в открытом доступе. Благодаря всем этим новым вводным практически любой желающий может заняться исследованиями в сфере ИИ.

 

Несмотря на длительную историю развития искусственного интеллекта, до сих пор нет единого определения и понимания искусственного интеллекта.

 

Интеллект (от лат. intellectus — ощущение, восприятие, разумение, понимание, понятие, рассудок), или ум — качество психики, состоящее из способности приспосабливаться к новым ситуациям, способности к обучению и запоминанию на основе опыта, пониманию и применению абстрактных концепций и использованию своих знаний для управления окружающей средой. Интеллект – это общая способность к познанию и решению трудностей, которая объединяет все познавательные способности человека: ощущениевосприятиепамять, представление, мышлениевоображение.

 

В начале 80-х гг. ученые в области теории вычислений Барр и Файгенбаум предложили следующее определение ИИ. Искусственный интеллект — это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, то есть систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, — понимание языка, обучение, способность рассуждать, решать проблемы и т. д.

 

Сейчас к ИИ относят ряд алгоритмов и программных систем, отличительным свойством которых является то, что они могут решать некоторые задачи так, как это делал бы размышляющий над их решением человек.

 

Основные свойства ИИ — это понимание языка, обучение и способность мыслить и, что немаловажно, действовать.

 

В связи с эволюцией понятия ИИ необходимо также упомянуть о так называемом AI Effect (эффект ИИ). Эффект ИИ происходит, когда наблюдатели девальвируют значимость демонстрации навыки ИИ каждый раз, когда он реально достигает немыслимого ранее результата. Так, автор Памела МакКордак (Pamela McCorduck) пишет, что часть истории области искусственного интеллекта состоит в том, что каждый раз, когда кто-то придумывает, как научить компьютер делать что-то хорошо — играть в шашки, решать простые, но относительно неформализованные проблемы — доносится хор критиков, что это не доказательство мышления и не ИИ. Еще более емко этот эффект описан информатиком Ларри Теслером, дистиллировавшись в емкую теорему Теслера: «ИИ — это все, что не сделано до сих пор».

 

С конца 40-х годов исследования в области моделирования процесса мышления разделились на два независимых подхода: нейрокибернетический и логический.

 

  • Нейрокибернетический подход относится к восходящему типу (англ. Bottom-Up AI) и предполагает путь изучения биологического аспекта нейронных сетей и эволюционных вычислений.
  • Логический подход относится к нисходящему типу (англ. Top-Down AI) и означает создание экспертных систем, баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д.


 

История ИИ

 

Искусственный интеллект имеет довольно обширную историю, которая берет свое начало с работ Тьюринга, датированных серединой 20 века. Хотя концептуальные предпосылки появились еще ранее, в Средние века, когда Рене Декарт предположил, что животное — некий сложный механизм, тем самым сформулировав механистическую теорию. В 1830-х годах английский математик Чарльз Бэббидж придумал концепцию сложного цифрового калькулятора — аналитической машины, которая, как утверждал разработчик, могла бы рассчитывать ходы для игры в шахматы. А уже в 1914 году директор одного из испанских технических институтов Леонардо Торрес Кеведо изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили почти так же хорошо, как и человек.

 

В 1954 году американский исследователь Ньюэлл решил написать программу для игры в шахматы. К работе были привлечены аналитики корпорации RAND Corporation. В качестве теоретической основы программы был использован метод, предложенный основателем теории информации Шенноном, а его точная формализация была выполнена Тьюрингом.

 

С середины 30-х годов прошлого столетия, с момента публикации работ Тьюринга, в которых обсуждались проблемы создания устройств, способных самостоятельно решать различные сложные задачи, к проблеме искусственного интеллекта в мировом научном сообществе стали относиться внимательно. Тьюринг предложил считать интеллектуальной такую машину, которую испытатель в процессе общения с ней не сможет отличить от человека. Тогда же появился термин Baby Machine — концепция, предполагающая обучение искусственного разума на манер маленького ребенка, а не создание сразу «умного взрослого» робота.

 

Летом 1956 года в Университете Дартмута в США прошла первая рабочая конференция с участием таких ученых, как Маккарти, Минский, Шеннон, Тьюринг и другие, которые впоследствии были названы основателями сферы искусственного разума. В течение 6 недель ученые обсуждали возможности реализации проектов в сфере искусственного интеллекта. Именно тогда и появился сам термин artificialintelligence— искусственный интеллект. И именно после этой летней встречи пришло и «первое лето» в развитии проектов, связанных с этой областью.

 

Как видно, после знаменитой конференции в Дартмуте искусственный интеллект получил впечатляющее развитие. Были созданы машины, которые могли решать математические проблемы, обыгрывать в шахматы, и даже первый прообраз чат-бота, который мог разговаривать с людьми, вводя их в заблуждение по поводу своей осознанности.

 

Все эти значительные шаги вперед в сфере машинного интеллекта произошли вследствие серьезного финансирования подобных инициатив со стороны военных исследовательских организаций и, в частности, Defence Advanced Research Projects Agency (DARPA), которая была создана как шоковая реакция на запуск первого спутника Советским Союзом.

 

Последний и текущий всплеск интереса к ИИ произошел в середине 90-х гг. В 1997 году компьютер IBM под названием Deep Blue стал первым компьютером, который победил чемпиона мира по шахматам Гарри Каспарова. В 2011 году система вопросов и ответов Watson той же компании победила бессменных чемпионов последних лет в игре Jeopardy! (российский аналог программы «Своя игра»).

 

Хотя эта часть новейшей истории сильно похожа на то, что происходило еще 50 лет назад, тем не менее развитие искусственного интеллекта в современную эпоху происходит в принципиально других условиях.

 

Усложнение систем связи и решаемых задач требует качественно нового уровня «интеллектуальности» обеспечивающих программных систем, таких как защита от несанкционированного доступа, информационная безопасность ресурсов, защита от нападений, смысловой анализ и поиск информации в сетях и т. п. С другой стороны, глобализация экономической жизни поднимает конкуренцию на принципиально иной уровень, где требуются мощные системы управления предприятием и ресурсами, аналитики и прогнозирования, а также радикальное повышение эффективности труда. Третий этап после зимы характеризуется также наличием крупнейшего открытого источника персональных данных и кликстрима в виде Интернета и социальных сетей. Ну и, наконец, исчезает ключевой исторический стоп-фактор развития искусственного интеллекта – мощнейшие вычислительные системы, которые отныне можно строить как на дешевых серверных мощностях, так и в крупнейших облачных платформах в режиме pay-as-you-go.

 

Все это оправдывает оптимизм вовлеченных людей по поводу 3-й фазы роста искусственного интеллекта. Пессимизм некоторых экспертов относительно того, что направление исследований области вновь чрезмерно раздувается, легко оппонировать тем, что сейчас разработки исследователей вышли далеко за пределы лабораторий и прототипов и продолжают интенсивно проникать практически во все сферы жизни человека, начиная от автономных газонокосилок и пылесосов, оснащенных огромным количеством современных датчиков, и заканчивая умными и обучающимися мобильными ассистентами, которыми пользуются сотни миллионов людей.

 

Скепсис и алармизм на этом этапе даже скорее направлены в сторону чрезмерного развития и самостоятельности искусственного интеллекта и замены им собственно самих людей, которые уже сейчас уступают машинам в аспекте скоростей и физическом доступе к огромному пласту данных.

 

 

 

Технология ИИ

 

В последние несколько лет мы наблюдаем взрыв интереса к нейронным сетям, которые успешно применяются в самых различных областях — бизнесе, медицине, технике, геологии, физике. Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления. Такой впечатляющий успех определяется несколькими причинами.

 

Нейронные сети привлекательны с интуитивной точки зрения, ибо они основаны на примитивной биологической модели нервных систем. Как мы уже отмечали, нейронные сети возникли из исследований в области искусственного интеллекта, а именно из попыток воспроизвести способность биологических нервных систем обучаться и исправлять ошибки, моделируя низкоуровневую структуру мозга. Сигнальная система биологической нейронной сети, основанная на интенсивности сигнала, получаемого нейроном (а следовательно, и возможность его активации), сильно зависит от активности синапсов. Например, в классическом опыте Павлова каждый раз непосредственно перед кормлением собаки звонил колокольчик, и собака быстро научилась связывать звонок колокольчика с пищей. Синаптические связи между участками коры головного мозга, ответственными за слух, и слюнными железами усилились, и при возбуждении коры звуком колокольчика у собаки начиналось слюноотделение.

 

Таким образом, будучи построен из очень большого числа совсем простых элементов (каждый из которых берет взвешенную сумму входных сигналов и в случае, если суммарный вход превышает определенный уровень, передает дальше двоичный сигнал), мозг способен решать чрезвычайно сложные задачи.


Машинное обучение (machine learning) — это комплексное применение статистики для поиска закономерностей в данных и создания на их основе нужных прогнозов. Машинное обучение использует алгоритмы, позволяющие компьютеру делать выводы на основании имеющихся данных. Машинное обучение предполагает, что вместо создания программ вручную с помощью специального набора команд для выполнения определенной задачи машину обучают с помощью большого количества данных и алгоритмов, которые дают ей возможность научиться выполнять эту задачу самостоятельно либо с помощью так называемого «учителя» (примеров, обучающих данных).

 

 

До недавнего времени ученые в области ИИ избегали нейронных сетей, хотя они были известны уже давно. Даже самые базовые нейронные сети требовали очень мощных вычислений. Однако в середине 2000-х годов появилась возможность на практике с учетом имеющихся компьютерных ресурсов продемонстрировать принципы многослойного «глубинного обучения». Сам термин приобрел популярность после публикации Джеффри Хинтона и Руслана Салахутдинова, в которой они показали, что можно эффективно предобучать многослойную нейронную сеть, если обучать каждый слой отдельно, а затем дообучать при помощи метода обратного распространения ошибки.

 

Прорыв стал возможным, когда стало возможным сделать нейронные сети гигантскими по своей величине, увеличив количество слоев и нейронов. Это позволило пропустить через них огромное количество данных для обучения системы, и была добавлена та самая глубина в обучение.

 

Сегодня системы глубинного обучения, такие как глубокие нейронные сети, свёрточные нейронные сети, глубокие сети доверия и рекуррентные нейронные сети, лежат в основе услуг многих технологических гигантов.

 

 

Экосистема рынка искусственного интеллекта

 

Рынок ИИ состоит из множества компаний и институтов, которые выполняют свои специфические задачи и функции. Хотя современная экосистема на этом рынке в целом пока формируется, однако уже сейчас можно представить, какими будут ее очертания в ближайшем будущем.

 

Одним из способов, по которому можно классифицировать игроков на рынке, является способ, предложенный CEO SafeGraph Ауреном Хофманом (Auren Hoffman), который подразделяет компании, занимающиеся машинным обучением и ИИ, на три типа:

  1. Superrich — сверхбогатые.
  2. Servicers — обслуживающие компании.
  3. Innovators — инноваторы.

 

Каждая из этих типов компаний имеет свою особенность, которая важна для понимания формирующейся экосистемы рынка ИИ.

 

Это деление сильно напоминает парадигму других, более классических рынков.

 

Компании типа Superrich— это компании, которые занимаются технологиями ИИ и обладают своими данными. Это такие компании, как Google, Facebook, Baidu, Tencent, Amazon, Microsoft и другие. Таких компаний в мире немного, но у них имеется существенное преимущество: поскольку у них имеется доступ к огромным резервуарам очищенных и структурированных данных, инженеры этих компаний могут заниматься развитием технологий ИИ, базируясь на имеющихся ресурсах, и развивать свои алгоритмы и подходы.

 

Компании типа Servicers помогают другим компаниям обрабатывать крупные массивы данных. Они могут обработать огромные кластеры данных, в том числе неструктурированных, и добыть необходимые инсайты. Эти компании являются сервисными, поскольку не имеют своих данных, но работают с данными своих клиентов. Одна из таких успешных компаний, к примеру, Palantir Technologies, которая является очень востребованным решением в государственных органах США и помогает им разобраться в данных с минимальными расходами. Другие примеры — это IBM, HP, Oracle, а также различные консалтинговые компании и компании, которые на основе своих решений помогают крупным компаниям улучшить какой-либо аспект бизнеса — ценообразование, логистику, обслуживание клиентов.

 

Тип компаний-инноваторов сосредоточен на решении специфической проблемы, но не имеет своих данных и при этом не оказывает сервисных услуг другим компаниям. Примерами таких компаний могут быть Two Sigma Investments и Point72 Asset Management, которые тратят миллионы долларов на данные, поскольку не генерируют данные сами. Другие примеры — это Cruise Automation, которая развивает историю самоуправляемых автомобилей и недавно была приобретена GM, и Flatiron Health, которая занимается исследованиями в области рака. Таким компаниям приходится после приобретения данных также чистить их, объединять, то есть проводить предварительные процедуры ETL, прежде чем начать работать с ними.

 

Компании из категории Superrich обладают могущественными преимуществами перед остальными. Однако можно предположить, что, поскольку доступ к данным становится все более демократичным, компании из двух остальных групп будут тем не менее развиваться высокими темпами. Пример такой демократизации — это Yahoo, выложившая 13,5 Тб данных о том, как вели себя пользователи на главной странице Yahoo  и на страницах отдельных сервисов компании, и компания Criteo, разработчик технологических решений для рекламы, опубликовавшая 1 Тб данных.

 

 

 

 

По мнению экспертов IDC, такие компании, как Amazon, Alphabet, IBM и Microsoft, будут обладать 60 % платформ ИИ. Сейчас эти компании также доминируют в бизнесе, связанном с облачными вычислениями.

 

Вместе с тем каждая упомянутая компания, взятая по отдельности, наращивает свою собственную экосистему. К примеру, хотя IBM и очень давно занимается вопросами развития ИИ, однако победа ее программно-апаратного решения IBM Watson в шоу Jeopardy! в 2011 стала символическим стартом развития ее экосистемы. Сейчас экосистема IBM Watson— это десятки тысяч разработчиков, предпринимателей и других энтузиастов, которые создали тысячи приложений с помощью Watson Zone on Bluemix, которая является PaaS-решением (Platform as a Service) IBM. Bluemix позволяет любому пользователю использовать 100 инструментов, которые включают в себя сервисы Watson для эффективного создания, запуска и управления приложениями в любой облачной среде.

 

 

Венчурное инвестирование и стартапы в ИИ

 

Искусственный интеллект становится реальностью, и, по всей видимости, именно стартапы будут играть ведущую роль в этой экосистеме. Например, недавно созданная компания ROSS Intelligence разработала «адвоката» на основе технологии ИИ. Машина может проделать работу целого офиса профессиональных юристов. Работающая на мощностях суперкомпьютера IBM Watson система имеет все шансы стать полноценным инструментом в юридической практике. ROSS автоматизирует задачи и процессы, на которые раньше уходили дни и недели работы.

 

Еще один стартап — разработчик мессенджера для бизнеса Slack — сейчас работает над созданием интеллектуального помощника, который будет автоматически отвечать на стандартные вопросы и тем самым экономить время сотрудников. 

 

«Призма» — российское приложение, переносящее стили известных художников на фото с помощью нейросетей. Программа, на первый взгляд, ничем не отличается от решений конкурентов, превращающих снимки в «шедевры искусства» с помощью наложения фильтров. Однако благодаря использованию нейросетей результаты у новой программы получаются более качественными: речь идет не о наложении фильтра на фотографию, а фактически о ее перерисовке в заданном стиле. Команде разработчиков удалось достигнуть самой высокой скорости работы среди конкурентов, среди которых Dreamscope, веб-сервис deepart.io и Mlvch.

 

Крупные компании активно присоединяют талантливые проекты к себе. Так, Microsoft приобрела SwiftKey, разработчика мобильной клавиатуры, в которой технологии машинного обучения помогают лучше предсказывать вводимые слова и фразы. Magic Pony Technology с технологией моделирования изображений с опорой на нейросети была куплена Twitter за $ 150 млн. Разработчик микропроцессоров ARM при покупке компании Apical, создателя решений на основе машинного обучения в сфере компьютерного зрения, оценил ее в $ 350 млн.

 

Во втором квартале 2016 года инвестиции в искусственный интеллект достигли рекордных значений. При этом большинство сделок прошли на начальных этапах роста стартапов (60 %). Отчасти подобные результаты были достигнуты за счет нескольких крупных инвестиционных сделок: $ 154 млн было вложено в китайский стартап iCarbonX, специализирующийся на разработках для медицинских целей, $ 100 млн было вложено в американский FractalAnalytics, и еще $ 100 млн инвестировали в компанию, занимающуюся кибербезопасностью, — Cylance.

 

Около 70 % сделок во втором квартале зафиксированы в США. Почти 60 % сделок прошли на начальном этапе финансирования стартапов — посевной этап / серия А. На серии В и С пришлось всего 12 %.

 

 

За период 2011–2016 всего было приобретено 140 частных компаний, работающих на развитие технологий ИИ, из них 40 приобретений произошло в 2016 году. К гонке присоединяются как компании, меньшие по размеру, так и игроки, которые раньше были неактивны. Например, Samsung вошла на рынок M&A в октябре 2016 года, заключив сделку по приобретению стартапа Viv Labs, который развивает ассистента с ИИ наподобие Siri. Также GE закрыл две сделки в ноябре 2016 года.

 

 

Рынок искусственного интеллекта

 

Искусственный интеллект стал ключевым технологическим трендом 2016 года, и объем глобальных инвестиций в него превышает $ 500 млн. По прогнозам международной исследовательской компании Markets and Markets, к 2020 году рынок ИИ вырастет до $ 5 млрд за счет применения технологий машинного обучения и распознавания естественного языка в рекламе, розничной торговле, финансах и здравоохранении.
В Gartner считают, что к 2020 году около 40 % всех взаимодействий с виртуальными помощниками будет опираться на данные, обработанные нейронными сетями.

 

Tractica на основе таксономии 191 реального кейса поделила рынок ИИ на 27 секторов. Эксперты предполагают, что такие usecase, как распознавание образов, алгоритмическая биржевая торговля и управление данными пациентов в здравоохранении, имеют колоссальный потенциал масштабирования, в то время как другие кейсы пока являются нишевыми.  Динамика ИИ, на их взгляд, будет основываться на шести фундаментальных технологиях: машинное обучение, глубинное обучение, компьютерное зрение, обработка естественного языка, машинная аргументация и сильный ИИ. Хотя в перспективе 10 лет ИИ-технологии повлияют практически на каждый бизнес, основными драйверами рынка станут секторы потребительских продуктов, бизнес-услуг, рекламы и обороны. Tractica предсказывает рост доходов на рынке ИИ с $ 643,7 млн в 2016 году до $ 38,8 млрд к 2025 году.

 

 

Развитие рынка ИИ в терминах доли на рынке будет происходить преимущественно в Северной Америке, поскольку и сейчас этот регион является центром динамичного развития продвинутых технологий, производственных процессов, инфраструктуры, располагаемого дохода и т. д. Широкая адаптация технологии ИИ в промышленности, медиа и рекламе, здравоохранении, BFSI, транспорте и автопроме является ключевым фактором, поддерживающим рост рынка ИИ в этом регионе.

 

 

 

Сферы применения ИИ

 

Сферы применения ИИ достаточно широки и охватывают как привычные слуху технологии, так и появляющиеся новые направления, далекие от массового применения, иначе говоря, это весь спектр решений, от пылесосов до космических станций. Можно разделить все их разнообразие по критерию ключевых точек развития.

 

 

Как показывает иллюстрация, ИИ — это не монолитная предметная область. Более того, некоторые технологические направления ИИ фигурируют как новые подотрасли экономики и обособленные сущности, одновременно обслуживая большинство сфер в экономике.

 

В целях нашего исследования мы воспользовались данным подходом и предлагаем следующую классификацию по разделению основных точек развития и применения в области ИИ:

 

 

Как видно, две группы использования ИИ подразделены на физический и виртуальный слой, при этом преобладает виртуальный пласт. Развитие применения использования ИИ по этим направлениям приведет к адаптации технологий в классических отраслях экономики по всей цепочке создания ценности и преобразует их, приводя к алгоритмизированию практически всего функционала, от логистики до управления компанией.

 

Чат-боты перерисовывают ландшафт IT-экосистемы. Они могут заменить собой и приложения, и обслуживающий персонал в компаниях, и даже целые операционные системы. Чат-бот (Chat-bot) — это программа-собеседник, которая предназначена для общения и помощи человеку. При этом на другом конце всегда находится сложная система, базирующаяся на нескольких технологиях ИИ. Чат-боты, ориентированные на бизнес-задачи, могут подобрать лучший рейс, диету, фитнес-тренировку, забронировать гостиницу, выбрать покупку, то есть они представляют собой новую подотрасль обслуживания и ассистирования.

 

Согласно эксклюзивным данным опроса BI Intelligence, применение чат-ботов уже взлетело в США, где более половины американских пользователей в возрасте от 18 до 55 лет сейчас использует их.

 

 

По прогнозам Gartner, цифровые ассистенты будут «знать» нас к 2018 году на основе собранного кликстрима и накопленных больших данных.

 

По результатам опроса руководителей компаний голосовой помощник является программным обеспечением № 1. Среди помощников, которыми больше всего пользуются на рабочем месте, были названы Siri от Apple, GoogleAssistant, а также Alexa от компании Amazon. Хотя зрелость голосовых помощников пока на низком уровне, примечательно, что их популярность даже выше программных продуктов, связанных с большими данными.

 

Персональные ассистенты являются своеобразной инкарнацией чат-ботов, хотя и более распространенной по причине того, что технология развивается крупнейшими IT-компаниями. В настоящее время сотни миллионов людей взаимодействуют с персональными цифровыми ассистентами на таких платформах, как Google, Apple, Amazon, Facebook и другие. Эта технология с помощью персональных ассистентов и чат-ботов делает переход от графического пользовательского интерфейса (Graphical User Interface, GUI) к диалоговому интерфейсу (Conversational User Interface, CUI) ключевым трендом ближайших нескольких лет.

 

По оценке Markets And Markets, объем рынка распознавания образов достигнет 29,98 млрд USD к 2020 году со средним CAGR на уровне 19,1 %. Технологии распознавания образов содержат в себе распознавание паттернов, оптических образов, кода, объектов и цифровых фотографий. Они либо по отдельности, либо в интегрированном виде используются в таких сферах, как безопасность и наблюдение, сканирование и создание изображений, маркетинг и реклама, дополненная реальность и поиск изображений.

 

Ключевым драйвером этого рынка является уход всех процессов как в бизнесе, так и в потребительском сегменте в облака, а также рост влияния Интернета, смартфонов, социальных медиа. Акторами этого рынка являются такие крупные корпорации, как NEC, Google, Honeywell, Hitachi и Qualcomm Technologies. Также присутствует множество меньших по размеру игроков, таких как LTU Technologies, Attrasoft, Blippar и SLYCE, и таких вендоров, как Catchoom и Wikitude.

 

Мировой рынок распознавания речи оценен BCC Research в колоссальные $ 90,3 млрд в 2015 году. Ожидается, что этот рынок вырастет со $ 104,4 млрд в 2016 до $ 184,9 млрд в 2021 со средними темпами (CAGR) на уровне 12,1 % за период 2016–2021.

 

Рынок обработки естественного языка (Natural Language Processing, NLP) оценивается Market And Markets в $ 7,63 млрд в 2016 году и вырастет до $ 16,07 млрд к 2021, с CAGR на уровне 16 1 %. Основными драйверами компания считает возрастающий спрос на более продвинутый уровень пользовательского опыта, рост пользования умными девайсами, рост инвестиций в здравоохранение, растущее применение сетевых и облачных бизнес-приложений и рост M2M-технологий.

 

Экосистема рынка NLP состоит из следующих вендоров, предлагающих лучшие NLP-решения.

  • 3M Company (США)
  • Amazon (США)
  • Apixio, Inc. (США)
  • Apple Inc. (США)
  • Cerner Corporation (США)
  • Dolbey Systems (США)
  • Google Inc. (США)
  • International BСШАiness Machines Corporation (IBM) (США)
  • Linguamatics (UK)
  • Microsoft Corporation (США)
  • NetBase Solutions, Inc. (США)
  • Nuance Communications, Inc. (США)
  • Optum, Inc. (США)
  • SAS Institute, Inc. (США)
  • Text Analysis International (США)
  • Verint Systems Inc. (США)

 

 

Огромный скачок в системе распознавания речи сделала Microsoft, которая объявила, что ее система распознавания речи теперь так же точна, как распознавание речи живым человеком. Довести систему распознавания речь до такого высокого уровня удалось в том числе с помощью метода, разработанного резидентом «Сколково», компанией «ЦРТ-инновации» (группа «Центр речевых технологий»).

 

 

ИИ и роботизация

 

BoA предполагает, что к 2020 году рынок ИИ-решений будет эквивалентен $ 153 млрд, из которых $ 83 млрд составят роботы и робототехника и $ 70 млрд — аналитические решения на основе ИИ.

 

В результате так называемая «революция роботов», о которой говорят экономисты и аналитики крупнейших банков, позволит мировой экономике повысить производительность на 30 % при снижении производственных затрат на рабочую силу от 18 % до 33 %. Пальма первенства будет принадлежать США и Японии. В общей сложности на мировом рынке работает порядка 400 компаний, занимающихся производством робототехники.

 

 

 

Алгоритмизация бизнеса

 

Алгоритмический бизнес относительно новое понятие в современной бизнес-лексике. Вернее, оно даже пока не перешло из сферы консалтинговых прогнозов в сферу бизнеса. Однако, на наш взгляд, именно это слово наилучшим способом описывает глобальное влияние ИИ на все сферы бизнеса и являет собой в конечном итоге результат сшивания и сращивания технологий ИИ между отраслями. Когда речь идет об алгоритмизации бизнеса, необходимо иметь в виду саму инкарнацию ИИ в бизнесе, которая может ранжироваться от ассистирующей по различным вопросам и до сущности, принимающей в том числе управленческие решения.

 

По оценкам Gartner, к 2020 году автономные программные агенты, которые впервые в истории не будут подконтрольны человеку, станут участниками 5 % экономических транзакций. Алгоритмически управляемые агенты уже участвуют в нашей экономике. Тем не менее, в то время как эти агенты автоматизированы, они не являются полностью автономными, так как напрямую привязаны к сложной структуре механизмов, управляемых людьми, — в корпоративных, юридических, экономических и фидуциарных доменах. Новые автономные программные агенты будут иметь самостоятельную ценность и функционировать в качестве фундаментальной основы новой экономической парадигмы, называемой Gartner программируемой (programmable economy). Одной из первых отраслей, которые будут подвержены прямому воздействию такого парадигматического сдвига, станет финансовая система. Мы увидим алгоритмы, часто разработанные в прозрачном виде, с открытым исходным кодом и установленные бесплатно на блокчейн, которые будут самостоятельно выполнять банковские операции, оформлять сделки по страхованию, заниматься сделками на рынке ценных бумаг и осуществлять прочие функции.

 

В свете таких преобразований не удивляет также и другой прогноз Gartner о том, что к 2018 году более 3 млн работников в мире будут подчиняться «боссу-роботу» (robo-boss).

 

 

Российские примеры компаний, работающих в сфере ИИ

 

Поскольку сфера искуственного интеллекта является сращиванием математических наук и программирования, у России, имеющей солидную базу и школы в этих направлениях, неплохие шансы на получение статуса глобального игрока при достаточном внимании к этой сфере со стороны в первую очередь профильных государственных ведомств в виде программ и, разумеется, крупных частных игроков.

 

Среди разработок и компаний можно назвать и инициативу сервиса онлайн-заказа такси «Яндекс.Такси» с технологией интеллектуального распределения заказов с переходом на технологии интеллектуального распределения заказов, с учетом дорожной ситуации и специальных пожеланий пользователей. ПАО «КамАЗ» разрабатывает систему полуавтономного управления автомобилем, которая будет строиться на комплексе технологий искусственного интеллекта — компьютерного зрения, машинного обучения, речевых технологий. В сотрудничестве с российской Cognitive Technologies автопроизводитель готовится к выпуску предпромышленной версии системы помощи водителю ADAS (Advanced Driver Assistance System) первого уровня. С другой стороны, разработки группы ЦРТ в области речевых технологий вошли в технологический стэк Microsoft. Также примером удачного использования машинного обучения в области популярных ныне фильтров для соцсетей является нашумевшее приложение Prisma, разработанное в недрах Mail.Ru Group независимыми разработчиками. Пионер в сфере использования чат-ботов мессенджер Telegram стал локомотивом развития индустрии в России с таким ярким российским стартапом, как Chatfuel, в который вложились крупнейшие зарубежные венчурные компании. А робот «Вера», созданный петербургской компанией Stafory, проводит собеседование с потенциальными кандидатами на открытые вакансии, делая за полчаса ту работу, которую три-четыре человека делают неделю.

 

«Сбербанк» в конце 2016 года анонсировал запуск робота-юриста. Годом ранее банк запустил систему искусственного интеллекта Iron Lady, которая занимается обзвоном должников.

 

Фонд развития интернет-инициатив (ФРИИ) и Сбербанк в 2016 году подтвердили инвестиции в пермского разработчика сервисных роботов-промоутеров — Promobot. Руководитель робототехнического центра «Сколково» Альберт Ефимов отмечает, что конкуренция в сфере робототехники сейчас высока и на рынке много китайских решений рекламного робота, однако общий недостаток — это их уровень интеллекта, что выгодно отличает Promobot. Главным ограничителем быстрого развития отечественного робота, пожалуй, является цена.

 

 

Риски развития ИИ

 

По сообщениям журнала Technology Review, уже через 60 лет искусственный интеллект начнет представлять серьезную угрозу для человечества. К 2022 году ИИ начнет мыслить приблизительно на 10 % как человек, к 2040 году — на 50 %, а к 2075 году мыслительные процессы робота будут неотличимы от человеческих. Такие оценки приводит британский ученый, автор нашумевшей книги SuperIntelligence профессор Оксфорда Ник Бостром. Такие оценки неудивительны в свете работающих систем на базе ИИ Deep Blue — машины, выигравшей в шахматы человека, IBM Watson, победившей в игре Jeopardy!, и MYCIN — мощнейшей системы диагностики заболеваний.

 

Недавний опрос, проведенный Институтом будущего человека (FHI) из Оксфордского университета в Великобритании, показывает, что «Скайнет» как настоящий искусственный интеллект человеческого уровня может возникнуть около 2028 года.

 

Тема о будущем человечества, противоборстве с машинами и, наоборот, гибридизации вывела на свет целый ворох новых опасений и терминов. Среди них трансгуманизм и технологическая сингулярность.

 

Технологическая сингулярность — гипотетический момент, по прошествии которого, по мнению сторонников данной концепции, технический прогресс станет настолько быстрым и сложным, что окажется недоступным человеческому пониманию.

 

Сингулярность — это момент времени, когда компьютеры во всех своих инкарнациях станут умнее людей. Когда это произойдет, компьютеры будут иметь возможность расти в геометрической прогрессии по сравнению с самими собой и воспроизводить себя, а их интеллект будет в миллиарды раз быстрее, чем человеческий.

 

По прогнозам, данный момент может наступить уже через 14 лет, а именно в 2030 г. Основным представителем этой идеи является Рэймонд Курцвейл, ученый, автор книги «Сингулярность близко» и ныне технический директор Google. Хотя и не все ученые поддерживают данную концепцию, утверждая, что развитие технологий происходит по S-кривой и в конце прошлого века началось замедление процесса ускорения.

 

Ник Бостром — шведский философ, профессор Оксфордского университета, сооснователь Всемирной ассоциации трансгуманистов и директор созданного в 2005 году в Оксфорде Института будущего человечества. Он пытается осознать проблему, встающую перед человечеством в связи с перспективой появления сверхразума. Что случится, если машины превзойдут людей в интеллекте? Будут ли они помогать нам или уничтожат человечество? Можем ли мы сегодня игнорировать проблему развития искусственного интеллекта и чувствовать себя в полной безопасности? Ник Бостром разделяет виды компьютерного интеллекта на несколько видов.

 

Согласно мнению некоторых экспертов, подлинный ИИ будет последним изобретением человечества. Искусственный интеллект несет определенные риски — исчезновение целого ряда профессий, разобщение людей, а возможно, даже потерю естественных навыков человека. Для человечества точка невозврата может быть пройдена, когда какая-нибудь страна даст ИИ право на насилие, что не исключено, учитывая, что ИИ исторически развивается и очень востребован в военной области.

 

 

При внедрении проектов в сфере ИИ или связанных с ним инициатив консультанты J’son & Partners Consulting рекомендуют принимать во внимание зарубежный опыт его применения и в своих бизнес-планах ориентироваться в первую очередь на тестирование технологии для накапливания экспертизы. В ближайшем будущем развитие технологии машинного обучения приведет к заметному повышению производительности труда и росту показателей эффективности, и в то же время технология может повлиять на исчезновение многих сфер бизнеса. По этой причине J’son & Partners Consulting рекомендует сформировать стратегию, которая предусматривает влияние ИИ на текущую деятельность, и подготовить мероприятия по использованию ИИ как новой точки роста и трансформации бизнеса.

 

По мнению консультантов J’son & Partners Consulting, для России первоочередными сферами применения станут транспорт и финансовая сфера, промышленность и телекоммуникации. В более отдаленной перспективе будут задеты практически все сферы, включая государственное управление и систему международного обмена товарами и услугами.

 

Консультанты J’son & Partners Consulting готовы оказать консультационную, информационную и аналитическую поддержку всем заинтересованным участникам, находящимся на этапе цифровой трансформации в России и формирующим стратегии, бизнес-планы, расчеты бюджета, кейса, технико-экономического обоснования, а также внедряющим проекты.

 

 

 

Комментарии участников рынка

 

Искусственный интеллект – понятие комплексное, определяющее структуру накопления знаний и её наполненность. Эффективность ИИ бесспорна: он оказывает огромную помощь в оптимизации процессов (в нашем случае – производственных, логистических и т.п.) без необходимости длительного моделирования, основываясь лишь на накопленном опыте.

 

Сегодня мы воспринимаем возможности ИИ как глобального сервисного инструмента, способного решить в кратчайшие сроки высокоинтенсивные задачи с большим количеством переменных.

 

В 2006 году мы начали разрабатывать решение, которое реализовали окончательно не так давно – это биотелеметрия на базе фитнес-браслетов. Технология позволяет оптимизировать нагрузку на конкретного работника, оберегая его здоровье, оптимизируя нагрузки на коллектив и в долгосрочной перспективе серьезно сокращать издержки – по нашим подсчетам, экономия может составлять несколько миллионов рублей в год.

 

Также сейчас мы активно развиваем на базе ИИ технологию визуального распознавания брака и решения для промышленных предприятий, контролирующих сотни тысяч параметров работы станка, способных влиять на качество выпускаемой продукции.

 

Однако, мы убеждены, что ИИ в обозримой перспективе не станет абсолютной заменой людей в своем непосредственном виде, если не принимать во внимание монотонные сценарные операции. Это мощнейший инструмент, который может дать новое дыхание большинству систем автоматизации, и стать их неотъемлемой частью.

 

ИИ уже сегодня способен помочь человеку обработать огромный объем информации, просчитать необходимые комбинации и стать глобальным консультантом. Однако при внедрении технологий на базе ИИ необходимо помнить, что «доверять» внедрение (а следовательно, и обучение таких систем) необходимо проверенным игрокам рынка, специализирующимся на смежных решениях – профильных и ИТ (логистика и ИТ, ритейл и ИТ), так как без отраслевой экспертизы невозможно создать полноценное решение - нейросеть не магия, а выверенный набор заложенных в нее параметров, проанализировать который могут только те компании, которые несколько лет работают с проектами разного уровня, знают подводные камни любого бизнеса, и могут указать, какие именно процессы можно доверить ИИ.

 

 

 

Детальные результаты исследования представлены в полной версии отчета
(чтобы узнать стоимость напишите - news@json.tv):

 

«Искусственный Интеллект как ключевой фактор цифровизации глобальной экономики»

 

 

Формат документа

PDF

Стр.

150

Рис.

63

Табл.

2

Автор

J'son & Partners Consulting

Артикул

0003

Способ предоставления

В электронном виде

 

Актуальность данных: Отчет подготовлен в начале 2017 г, содержит итоги 2016 г.

 

С вопросами обращайтесь: news@json.tv

 

Резюме

 

1. Основные понятия

1.1. Определение искуственного интеллекта

1.2. Подходы в изучении ИИ

1.3. Тестирование ИИ

 

2. История искусственного интеллекта

2.1. Истоки

2.2. Расцвет кибернетики

2.3. AIWINTER. Первая зима в развитии ИИ

2.4. Искусственный интеллект после второй зимЫ

 

3. Технология искусственного интеллекта

3.1. Искусственный интеллект и машинное обучение

3.2. Виды машинного обучения

3.3. Глубинное обучение

 

4. Экосистема рынка искусственного интеллекта

4.1. Крупные технологические компании

4.2. Аппаратный (hardware) рынок ИИ

4.3. Стартапы

4.4. Opensource приложения и платформы

4.5. Венчурное инвестирование и M&A

 

5. Рынок искусственного интеллекта

 

6. Сферы применения искусственного интеллекта

6.1. Направления развития ИИ

6.2. Чатботы

6.3. Персональные цифровые ассистенты

6.4. Распознавание образов

6.5. Распознавание речи

6.6. Генерация контента

6.7. Обработка естественного языка

 

7. ИИ и роботизация

7.1. Здравоохранение

7.2. Промышленность

7.3. Авиаиндустрия и военно-промышленный комплекс

7.4. Роботы в сфере профессиональных услуг и бытовые роботы

7.5. Сельское хозяйство

7.6. Автомобилестроение

 

8. Алгоритмизация бизнеса и управления

 

9. Риски развития ИИ

9.1. Сингулярность и трансгуманизм

9.2. Superintelligence и риск исчезновения человечества

9.3. Этические проблемы

9.4. Безработица

9.5. Красная кнопка

 

Выводы

 

Цитаты

 

 

Список рисунков

Рис. 1. Структура нейронных сетей

Рис. 2. Коннетом нематоды

Рис. 3. Принцип построения искусственного нейрона в первом приближении

Рис. 4. Диалоговое окно программы Элиза

Рис. 5. Краткая история ИИ

Рис. 6. Соотношение понятий ИИ, машинного обучения и глубинного обучения

Рис. 7. Виды машинного обучения

Рис. 8. Процесс обучения сети

Рис. 9. Глубокие нейронные сети в действии:

Рис. 10. Принцип глубоких слоев в глубинном обучении

Рис. 11. Ошибка классификации изображения систем, выигрывавших в конкурсе Imagenet и человеческий бенчмарк

Рис. 12. Экосистема рынка ИИ крупным планом

Рис. 13. Список компаний по классификатору BoA исходя из показателя проникновения ИИ продуктов в портфель

Рис. 14. Схема стохастического нейрона с фазовым переходом

Рис. 15. Ежегодное инвестирование ИИ-стартапов и их количество

Рис. 16. Топ-рэнк активных инвесторов в ИИ-стартапы с 2011 года по второй квартал 2016 года

Рис. 17. Квартальная история M&A

Рис. 18. Ключевые приобретения крупных компаний с 2011 года

Рис. 19. Коэффициенты роста рынка ИИ

Рис. 20. Доходы рынка ИИ, глобальный рынок: 2016-2025

Рис. 21. Компании, инвестирующие в ИИ в отраслевом разрезе

Рис. 22. Рынок ИИ в разрезе регионов (рост и размер каждого регионального рынка), 2016-2022 (млрд. $)

Рис. 23. Топ регионов по темпам развития ИИ с CAGR 2015-2020 гг.

Рис. 24. Графическая репрезентация BofA’s по 12 областям применения ИИ и связанных с этой сферой роботов

Рис. 25. Прирост стоимости индуцированной ИИ в США, а также рост GVA в 12 разных странах:

Рис. 26. Компьютерный цикл, открывающий путь к расходам в сумме $13 трлн

Рис. 27. Рынок ИИ в 2015-2023 гг. в $ млрд

Рис. 28. Объем мирового рынка роботов до 2025 года

Рис. 29. Сферы применения ИИ

Рис. 30. Сегментация рынка ИИ

Рис. 31. Направления развития и сценарии использования ИИ

Рис. 32. Стратификация ИИ

Рис. 33. Использование чатботов среди миллениалов и Поколения X в США. Октябрьб 2017 (Вопрос: общались ли вы когда-либо с чатботами в мессенджере? n=1107)

Рис. 34. Потенциальная ежегодная экономия оплаты труда чатботами, 2016 год, в млрд. $

Рис. 35. IntelligentAssistanceLandscape

Рис. 36. Общие доходы рынка персональных ассистентов в 2015-2021 гг. (в млн. $)

Рис. 37. Диалог двух устройств GoogleHome

Рис. 38. Архитектура системы Jarvis

Рис. 39. Компании и персоны, являющиеся драйверами развития рынка Распознавания Речи (по состоянию на 2012 год):

Рис. 40. Глобальный рынок NLP, 2013-2018 гг.

Рис. 41. Коэффициент качества обработки английского и китайского языков системой WaveNet

Рис. 42. Доходы рынка ИИ, мировой рынок: 2016-2025

Рис. 43. Доля компаний занятых производством роботов и включенных в листинг в страновом разрезе:

Рис. 44. Темп роста хирургических роботов-асситентов в США и потенциал рынка:

Рис. 45. Протезы управлемые с помощью мозга

Рис. 46. Глобальные продажи промышленных роботов превзошли промышленное производство (2005=100)

Рис. 47. Проникновение роботов в производство

Рис. 48. Количество роботов профессиональных услуг

Рис. 49. Количество роботов профессиональных услуг (продолжение)

Рис. 50. Робот компании Savioke

Рис. 51. Прогноз количества роботов профессиональных услуг

Рис. 52. Рынок технологий автономного вождения

Рис. 53. Количество пройденных километров до выявления сбоя

Рис. 54. Концепт HyundaiAutonomousIoniq на CES 2017

Рис. 55. Масштаб применения ИИ на предприятиях

Рис. 56. Использование RPA в выборке (на основе 267 контрактов сервис провайдеров)

Рис. 57. Разница в оценке менеджерами работы с интеллектуальными системами и степени доверия советам этих систем

Рис. 58. Результаты опроса, проведенного на конференции AI@50 в 2006 году, в честь 50 летия встречи основателей ИИ в Дармуте

Рис. 59. Сингулярность на пересении человеческого и компьютерного развития

Рис. 60. Схема развития мира во времени

Рис. 61. Риски потери рабочих мест по странам и городам США

Рис. 62. Различные варианты восприятия исскуственного интеллекта населением Великобритании

Рис. 63. Наиболее подверженные замене и автоматизируемые сферы на примере Англии:

 

 

Список таблиц

Табл. 1. Объемы венчурного финансирования ИИ-стартапов, млн долл

Табл. 2. Ключевые приобретения с 2011 года

 

 

 

Информационный бюллетень подготовлен компанией J'son & Partners Consulting. Мы прилагаем все усилия, чтобы предоставлять фактические и прогнозные данные, полностью отражающие ситуацию и имеющиеся в распоряжении на момент выхода материала. J'son & Partners Consulting оставляет за собой право пересматривать данные после публикации отдельными игроками новой официальной информации.

 

 

Авторское право © 2017, J’son & Partners Consulting. СМИ могут использовать текст, графики и данные, содержащиеся в данном обзоре рынка, только с использованием ссылки на источник информации – J’son & Partners Consulting или с активной ссылкой на портал  JSON.TV

™ J’son & Partners [зарегистрированная торговая марка]