Что будет после бума на рынке искусственного интеллекта?
Уроки истории
Когда я был маленьким и учился в аспирантуре в Санкт-Петербургском Электротехническом университете, мы создавали один из первых в России аппаратов для автоматического чтения текстов и изображений (читающий автомат). И уже тогда, в далеком 1980 году, кибернетика, искусственный интеллект (ИИ), нейрокомпьютеры были самыми популярными направлениями науки.
Позднее, когда я преподавал эти предметы на кафедре биофизки Ленинградского Университета, я понял, что слепое копирование нейронных сетей для решения задач, не самая удачная затея и стал заниматься новой теорией клеточных автоматов, которая совмещает в себе алгоритмическую строгость с имитацией реальных биологических систем. В моей группе «Математическая биология» было проведено множество исследований по моделированию поведения сложных биологических систем на клеточном уровне - модели зрения, управление перистальтикой, модели эмбрионального роста. На уровне экосистем – модели распространения заражений, рост популяции мидий и др.
Общее свойство таких моделей – это коллективное поведение большого числа элементов, решающих общую задачу. В начале 90-х годов наша группа разработала суперкомпьютер, состоящий из 64 тыс. отдельных процессоров с собственной математикой и системой программирования, основанный на теории обобщенных клеточных автоматов.
Прошло 25 лет. Заголовки новостей пестрят словами «Искусственный интеллект победил чемпиона мира по Го», «Элон Маск вкладывает $2 млрд в исследования мозга», «Объем инвестиций в ИИ в 2017 году вырос на 37%» и т.д.
Действительно в последние годы происходит похожее как в начале двухтысячных с бумом доткомов. Тогда рынок таких компаний рухнул за один день более чем в полтора раза. Было много слез и разочарований. Кстати, именно в это время автор, получил инвестиции в свой интернет-стартап, который был успешно продан в 2005 году. Прошло 15 лет... и появились новые фишки: AI, ICO…
AI бум в разгаре
Сегодня происходит настоящий бум в секторе AI (Artificial Intelligence). Этому способствовали как минимум три глобальных фактора.
--------------
Поскольку автор постоянно проживает в Торонто (Канада) и мониторит ситуацию в этом секторе ежедневно, то примеры, приведенные ниже, относятся прежде всего к ситуации в Канаде и в частности к коридору Торонто-Ватерлоу, где сосредоточены основные научные центры и компании, которые заняты этой темой. Не секрет, что именно в университете Торонто в 2012 году была разработана технология Deep Learning, которая в последствии легла в основу всех разработок этого направления ИИ.
--------------
· Волна публикаций в прессе о достижениях компаний IBM, Google в создании программ для игры в шахматы и Го.
· Наличие запроса со стороны потребителей из разных секторов экономики, в том числе военных, на решение действительно сложных задач управления и обработки большими массивами данных, создание систем реального времени (роботы, дроны), управление товарными потоками... и т.п.
· Огромные массивы новых данных о механизмах работы нейронных сетей мозга, новые открытия в этой области, такие как работы Хопкинса по неокортексу, или Десперадо по нейронному «привыканию»... и многие другие.
Можно выделить три направления финансирования.
· Финансирование научных исследований в области Brain Research&AI (правительство, корпорации).
· Поддержка институтов коммерциализации научных исследований в реальные продукты для рынка (правительство, корпорации, инвесторы).
· Коммерческие продукты на основе ИИ. (ангел-инвесторы, венчурные фонды, корпорации).
Поле боя за инвестиционные ресурсы в этом секторе можно представить, если изучить карту, представленную на рисунке, это топ 100 компаний которые привлекли более 11 млрд долларов инвестиций. Отбор этих компаний осуществляла компания CBInsights на основе анализа более чем 2000 компаний этого сектора.
Как видим, идеи AI используются практически в любом секторе инноваций, от создания ботов, до поддержки CRM-решений. Это оправдано, если по общему мнению инвесторов, наличие сочетания Artificial Intelligence есть в позиционировании вашего продукта или сервиса. Число стартапов, которые декларируют подход к использованию AI (или нейросетей) растет как грибы, объем инвестиций вырос за последние три года в разы. Средняя стоимость по приобретению долей перспективных AI проектов $100-150 млн. Во многих случаях – это прежде всего ожидания инвесторов, реальные же рыночные продукты еще далеки от того, чтобы зарабатывать деньги. Примерно так же обстояло дело в начале 2000-х годов с бумом доткомов.
А вот какую картину прогнозирует тот же источник на 2018 год.
В чем фишка?
На протяжении последних лет, мне кажется результаты не соответствовали ожиданиям от внедрения ИИ. И причина здесь в том, что понимают инвесторы под ИИ? Давайте разберемся.
Изначально ИИ определялся, по тесту Тьюринга, как процедура общения компьютера с человеком, когда человек не знает, что он общается с компьютером. Полагали, если удастся создать такую программу, при общении с которой, человек не сможет распознать, что с ним общается машина, ее можно назвать искусственным интеллектом. Сам же известный математик занялся анализом шахматных алгоритмов. И в середине ХХ века идея создать алгоритм для игры в шахматы, стала навязчивой и неотвратимой. Как все мы знаем на это ушло более 50-ти лет, за которые компьютеры кардинально изменились, а верхом ИИ стала технология Deep Learning,
которая суммировала достижения в изучении примитивных нейронных сетей и способов их организации для решения конкретных задач: компьютерное зрение, распознавание речи, решение различных более интеллектуальных задач, свойственных человеку. Не вдаваясь в суть таких алгоритмов, можно сказать, что все они вышли из идеи перцептрона Френка Розенблата (1963, «Принципы нейродинамики»). И основная проблема Deep Learning сегодня – это найти такие решения, которые будут более универсальны, чем решение одной конкретной задачи. Но компании, которые декларируют применение ИИ в той или иной области, решают прямо противоположную задачу – создание специализированного алгоритма для решения конкретной задачи. Тут и происходит подмена понятий. Создать хороший алгоритм компьютерного зрения можно и без использования нейронных сетей, например, на основе эвристических методов. Само определение ИИ вводит в заблуждение участников рынка, что на самом деле происходит в этой области, и используется больше, как рекламный ход, чем реальное использование такого рода алгоритмов. Но если с применение такого рекламного хода, проще получить инвестиционные деньги, для решения действительно важной задачи (обработка больших массивов данных, создание коммуникационных ботов, программирование поведения пылесоса...), то, наверное, такой подход оправдан, если вы, получив инвестиции на ИИ, решили полезную задачу.
Между разработчиками ИИ и исследователями мозга стоят разные задачи. Первые разрабатывают алгоритмы решения конкретных задач, вторые хотят понять, как устроен мозг и нейронные механизмы его работы. На стыке ИИ и Brain Research уже запущены успешные проекты, такие как Brain Corporation, компания из Сан-Диего, созданная нашим соотечественником Eugene Izhikevich, выпускником МГУ.
Что делать?
Конечно ждать. Мы с нетерпением ожидаем, что на фоне такого высокого интереса к этой области, среди нескольких тысяч стартапов, которые говорят об ИИ, как об инструменте в своих решениях, появится пара таких, которые скажут: мы нацелены на разработку новых принципов моделирования свойств мозга, которые вытекают из последних достижений науки о мозге. Мы используем эти принципы для того, чтобы построить новые модели алгоритмов, которые не обязательно будут «копировать» нейронные сети. Но эти новые алгоритмы будут также эффективно решать задачи, которые решает наш мозг. А в случае, когда мозг не в состоянии решить задачу, мы можем предложить алгоритмы, которые ее решат вместо человека. Таких задач множество. Компьютерные алгоритмы проводят анализ биржевых данных лучше, программы распознавания лиц работают более эффективно, чем человек и т.д.
Мы можем с долей уверенности прогнозировать, что такие прорывные технологии появятся на стыке трех направлений:
· Brain Research
· AI&Robotics
· Social communication & Blockchain
Если кому-то удобнее использовать не до конца строгое определенное понятие ИИ для привлечения инвестиций в свой проект, который востребован на рынке, пусть будет так. Но если в перспективе 2-3-х лет, рынок инвестиций в этот сектор провалится, то очевидно, должен появиться новый привлекательный флаг, например, – коллективное мышление - Collective Mind, или даже коллективная интуиция - Collective Intuition.
Но это тема отдельной статьи, которую я уже начал готовить. Полчища дронов, которые проявляют коллективное поведение в непредсказуемых условиях незнакомой местности. Коллективное управление принятием важных политических решений, на основе кооперации социально активных групп в Интернете. Модели предсказания потребительского спроса на торговую марку. Автоматический подбор партнера для создания семьи. Диагностика заболеваний на основе знаний 2 млн докторов и 100 млн историй болезни. Этот список можно продолжить.
Точки роста
По данным монреальской компании Element AI в мире работает в сфере ИИ по статистике LinkedIn более 22 тыс. специалистов с учеными званиями в профильных областях. Основные страны, где сконцентрированы научные силы, связанные с ИИ, - США (9100), Англия (1891), Канада (1154). Поскольку я живу и работаю в Канаде, то с удовольствием могу констатировать, что мы на почетном третьем месте. Не случайно такие гиганты индустрии, как Facebook, Google, Uber, Samsung и DeepMind, создали лаборатории искусственного интеллекта в этой стране.
Не могу не поставить эту картинку, которая пришла мне сегодня на почту из Монреаля – канадская экосистема ИИ, если я правильно подсчитал, нас тут 505 компаний, занятых ИИ. Никакого времени эксперта не хватит, чтобы разобраться насколько там внутри инновационные алгоритмы, и где «собака зарыта», то есть на какую компанию делать ставку инвесторам?
Добавим к этой статистике пару показателей в тех областях, которые напрямую связаны с ИИ, а именно Brain Research и Social communication & Blockchain (не забудем, что Виталий Бутерин, создатель Blockchain платформы Ethereum, стартовал в университете Waterloo, что в 100 км от Торонто), и тогда можно с уверенностью сказать: точка роста новой технологии, которая придет на смену ИИ, будет находится где-то в коридоре Toronto-Waterloo. Именно туда я и собираюсь на следующей неделе, в один из инкубаторов, как ментор по ИИ.
Владимир Бронников,
PhD., Mentor YEDI Accelerator, Toronto, Canada
Опубликовано 20.02.2018