ГАЛИФАКС, НОВАЯ ШОТЛАНДИЯ – В последние годы искусственный интеллект (ИИ) привлекает больше внимания, денег и талантов, чем когда-либо за свою короткую историю. Но большая часть внезапного ажиотажа является результатом мифов и заблуждений, которые распространяются людьми далекими от этой области.
В течение многих лет эта область развивалась по нарастающей, при этом существующие подходы, согласно стандартным тестам, с каждым годом становились результативнее примерно на 1-2%. Но настоящий прорыв произошел в 2012 году, когда компьютерный ученый Джеффри Хинтон и его коллеги из Университета Торонто показали, что их алгоритмы “глубокого обучения” могут превзойти современные алгоритмы с запасом в 10,8 процентных пункта ImageNet Challenge (эталонный набор данных).
В то же время, исследователи ИИ извлекали выгоду из все более мощных инструментов, включая рентабельные облачные вычисления, быстрое и дешевое аппаратное обеспечение для обработки чисел (“GPU”), бесшовный обмен данными через Интернет и достижения высококачественного программного обеспечения с открытыми исходными кодами. Благодаря этим факторам, машинное обучение, и особенно глубокое обучение, способствующие развитию ИИ вызвали волну энтузиазма. Инвесторы выстраиваются в очередь, чтобы финансировать перспективные компании, занимающиеся ИИ, а правительства вкладывают сотни миллионов долларов в исследовательские институты ИИ.
ГАЛИФАКС, НОВАЯ ШОТЛАНДИЯ – В последние годы искусственный интеллект (ИИ) привлекает больше внимания, денег и талантов, чем когда-либо за свою короткую историю. Но большая часть внезапного ажиотажа является результатом мифов и заблуждений, которые распространяются людьми далекими от этой области.
В течение многих лет эта область развивалась по нарастающей, при этом существующие подходы, согласно стандартным тестам, с каждым годом становились результативнее примерно на 1-2%. Но настоящий прорыв произошел в 2012 году, когда компьютерный ученый Джеффри Хинтон и его коллеги из Университета Торонто показали, что их алгоритмы “глубокого обучения” могут превзойти современные алгоритмы с запасом в 10,8 процентных пункта ImageNet Challenge (эталонный набор данных).
В то же время, исследователи ИИ извлекали выгоду из все более мощных инструментов, включая рентабельные облачные вычисления, быстрое и дешевое аппаратное обеспечение для обработки чисел (“GPU”), бесшовный обмен данными через Интернет и достижения высококачественного программного обеспечения с открытыми исходными кодами. Благодаря этим факторам, машинное обучение, и особенно глубокое обучение, способствующие развитию ИИ вызвали волну энтузиазма. Инвесторы выстраиваются в очередь, чтобы финансировать перспективные компании, занимающиеся ИИ, а правительства вкладывают сотни миллионов долларов в исследовательские институты ИИ.