Про нейробудущее сейчас не размышляет только ленивый футуролог. Алгоритмы искусственного интеллекта настолько прочно вошли в наш ежедневный быт, что мы сами порой не замечаем, насколько плотно опутаны глобальными нейросетями. В год, когда обученный AI уже сочиняет для нас нейромелодии на основе собранных музыкальных предпочтений и уверенно создает по заказу свои вполне реалистичные картинки, мы спросили у экспертов, чего ждать на нынешнем этапе развития технологии и как выглядит наше общее ближайшее глобальное технобудущее.

Одну из самых ярких метафор, связанных с возникновением нейросетей, предложил еще в 2018 году Сундар Пичаи, генеральный директор Google – он сравнил глобальное внедрение искусственного интеллекта в нашу жизнь с тем влиянием, которое когда-то оказало на человечество использование огня или начало эры электричества. Искусственная нейронная сеть по аналогии с мозгом, состоящим из миллиардов связанных нейронов, тоже состоит из виртуальных ячеек, которые по отдельности работают очень примитивно, но при объединении в сеть и параллельных вычислениях способны выдавать фантастические результаты. Нейронные сети не программируются в привычном смысле этого слова, они обучаются и стремительно наращивают свои скорости обработки данных – это одно из главных преимуществ нейронных сетей перед традиционными алгоритмами.

Нейросеть – система, способная решить задачу, которую мы сами решать не умеем. Интересно, что от сложных математических моделей середины ХХ века, понятных лишь узкому кругу ученых и разработчиков техники, нейросети меньше чем за тридцать лет стали одной из трендовых глобальных технологий. Сегодня настроить простенькую нейросеть уже может любой мотивированный старшеклассник. Технически обучение нейросети заключается в нахождении коэффициентов связей между нейронами. Нейронная сеть учится выявлять сложные зависимости между входными и выходными данными, выполнять обобщения и возвращать верный результат на основании данных, которые отсутствовали в обучающей выборке, были неполными или частично искаженными. С точки зрения машинного обучения, нейронная сеть – частный случай методов распознавания образов. Эта технология уже отлично работает, например, при поиске преступников с камер уличного наблюдения, когда нейросети необходимо качественно фильтровать в онлайне огромный объем входящего видеопотока, чтобы распознать по фото всего лишь одного человека в толпе. Кроме распознавания, другие важные сферы применения нейросетей сегодня – это классификация и прогнозирование. Именно нейросети позволяют банкам быстро оценить платежеспособность клиента при заявке на кредит, врачам – обнаружить новообразования на снимках КТ и МРТ, а бизнесу – управлять рисками. И в целом экономят миллионы человеко-часов в год. Автоматизации сложной рутинной работы будет все больше, а людям останется контролировать процесс и придумывать новые идеи.

Важная технологическая особенность нашего времени – в том, что именно нейросети обслуживают все самые востребованные цифровые сервисы, которыми мы пользуемся ежедневно. Голосовые помощники, живущие в наших смартфонах и умных колонках, уже действительно понимают нашу речь и способны поддерживать полноценный разговор, да и любое фото на телефоне, которое вы улучшаете с помощью фильтров, – тоже продукт работы нейросети. Она же сейчас управляет системой умных рекомендаций в крупных интернет-магазинах. Не так давно нейросети научились заранее предсказывать уход клиента на основе его поведенческих характеристик и вовремя точечно подключать механизмы его удержания – те самые системы рекомендаций, которые в среднем на треть увеличивают продажи крупнейших маркетплейсов. А по свежим отчетам YouTube, до 70% всех видео, просмотренных пользователями, найдено именно по рекомендациям нейросети, встроенной в видеоплатформу.

Влияние нейросетей на нашу жизнь, несомненно, будет увеличиваться – как будет нарастать и сложность задач. Для качественного машинного обучения сейчас нужны огромные обучающие дата-сеты, которые откуда-то надо брать, а саму сеть постоянно доучивать и донастраивать под меняющиеся внешние задачи, к чему технология пока слабо приспособлена. Инженерная задача будущего – создать динамические нейронные сети, которые сами будут перестраивать свою архитектуру под новые задачи и входные данные, для чего понадобится и микроэлектроника нового поколения. Вот почему сейчас все чаще говорят о вычислительном интеллекте – новом способе решения неформальных, творческих задач с использованием технологий нейросетей, эволюционного моделирования и «мягких» вычислений, основанных на нечеткой логике, генетических вычислениях, нейрокомпьютинге и вероятностных вычислениях. Видимо, именно за ним будущее. Но сначала необходимо развивать экосистему устройств, накапливающих качественные данные.