Кай-фу Ли - Сверхдержавы искусственного интеллекта [Китай, Кремниевая долина и новый мировой порядок] [litres]

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] Аллен Г., Канья Э. В. Китай использует разработанный в Америке план, чтобы в будущем самому доминировать в области искусственного интеллекта // Foreign Policy. URL: http://foreignpolicy.com/2017/09/08/china-is-using-americas-own-plan-to-dominate-the-future-of-artificial-intelligence/ (8 сентября 2017 года). . 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] Линн Э. «Историческое» достижение: исследователи Microsoft достигли равенства с человеком в машинном распознавании разговорной речи // блог ИИ // Microsoft. URL: https://blogs.microsoft.com/ai/historic-achievement-microsoft-researchers-reach-human-parity-conversational-speech-recognition/ (18 октября 2016 года). . Ын покинул Baidu в 2017 году, чтобы создать собственный инвестиционный фонд ИИ [50] Ын Э. Открытие новой страницы моей работы над ИИ. URL: https://medium.com/@andrewng/opening-a-new-chapter-of-my-work-in-ai-c6a4d1595d7b (21 марта 2017 года). , 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.

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.