Бывший главный разработчик ИИ в Baidu, основатель проекта Google Brain, стартапов LandingAI и DeepLearning.AI, сооснователь Coursera и профессор Стэнфорда Эндрю Ын рассказал журналистам издания Venture Beat о том, что такое «дата-центрический подход» к созданию искусственного интеллекта, как он связан с его текущими проектами и какое будущее ожидает отрасль ИИ в ближайшие 10 лет.

Илья Суцкевер, главный научный сотрудник исследовательской группы OpenAI, написал сегодня в Твиттере , что «возможно, сегодняшние большие нейронные сети немного сознательны».
Излишне говорить, что это необычная точка зрения. Широко распространенная среди исследователей ИИ идея состоит в том, что технология добилась больших успехов за последнее десятилетие, но все еще далеко отстает от человеческого интеллекта, не говоря уже о том, что она близка к сознательному познанию мира.
Возможно, Суцкевер говорил шутливо, но также возможно, что как ведущий исследователь одной из ведущих групп ИИ в мире он уже смотрит вниз.

В 1950 году Алан Тьюринг предложил «игру в имитацию» в качестве конечной проверки того, разумна ли машина: может ли машина имитировать человека настолько хорошо, что ее ответы на вопросы будут неотличимы от ответов человека. 1 С тех пор создание интеллекта, соответствующего человеческому интеллекту, прямо или косвенно было целью тысяч исследователей, инженеров и предпринимателей. К преимуществам человекоподобного искусственного интеллекта (HLAI) относятся стремительный рост производительности, увеличение досуга и, возможно, самое главное, лучшее понимание нашего собственного разума.
Но не все типы ИИ похожи на людей — на самом деле, многие из самых мощных систем сильно отличаются от людей, — и чрезмерная сосредоточенность на разработке и развертывании HLAI может завести нас в ловушку. По мере того, как машины все лучше заменяют человеческий труд, рабочие теряют экономическую и политическую переговорную силу и становятся все более зависимыми от тех, кто контролирует технологию. Напротив, когда ИИ сосредоточен на дополнении людей, а не на подражании им, люди сохраняют право настаивать на своей доле создаваемой ценности. Более того, аугментация создает новые возможности, новые продукты и услуги, в конечном счете создавая гораздо большую ценность, чем просто человекоподобный ИИ. Хотя оба типа ИИ могут быть чрезвычайно полезными, в настоящее время среди технологов, руководителей предприятий,

К сфере искусственного интеллекта будут относиться проекты, направленные на развитие, создание и внедрение технологий компьютерного зрения, обработки естественного языка, распознавания и синтеза речи, интеллектуальных систем поддержки принятия решений, перспективных методов ИИ. Экспертиза проекта будет осуществляться по трем направлениям – соответствие критерию предмета, критерию базовой технологии и критерию результата реализации.

Программисты изучили человеческий иммунитет и сделали алгоритмы, которые классифицируют объекты и защищают от хакерских атак.

ВЭФ описал позитивный сценарий повсеместного внедрения ИИ
Эксперты Всемирного экономического форума (ВЭФ) в Давосе представили доклад со своим видением влияния развития технологий искусственного интеллекта (ИИ) на общество и экономику. Сделанные ими выводы преимущественно позитивны: автоматизация и повышение производительности труда позволят людям избавиться от неприятной работы, размеры мировой экономики сильно вырастут, а проблемы усиления неравенства и потери людьми рабочих мест можно будет решать через усиление институтов, отвечающих за перераспределение выгод от ИИ и создание новых систем социальной защиты.

Альманах искусственный интеллект

Новая модель имеет 105 уровней и 530 миллиардов параметров, но технологические гиганты заявили, что смещение по-прежнему является проблемой для системы.

Имея 1,75 триллиона параметров, Wu Dao 2.0 примерно в десять раз больше GPT-3 Open AI.

Компания DeepMind в партнерстве с Метеорологическим бюро и Национальной метеорологической службой Великобритании разработала инструмент глубокого обучения DGMR. Решение точно определяет вероятность дождя в ближайшие 90 минут. Это — одна из самых сложных задач в метеорологии.

Машинное обучение претерпевает смену парадигмы с появлением моделей, обучаемых в массовом масштабе, включая BERT от Google , DALL-E от OpenAI и Jurassic-1 Jumbo от AI21 Labs . Их возможности и кардинальные улучшения производительности приводят к новому статус-кво: единая модель, обученная на необработанных наборах данных, которую можно адаптировать для широкого круга приложений. Действительно, по сообщениям , OpenAI разрабатывает мультимодальную систему, обученную изображениям, тексту и другим данным, с использованием огромных вычислительных ресурсов, что, по мнению руководства компании, является наиболее многообещающим путем к AGI - AI, который может изучить любую задачу, которую может выполнить человек.

Очевидные успехи в глубоком обучении возродили интерес к человекоподобным машинам или универсальному искусственному интеллекту. Есть мнение, что построив достаточно большую и производительную нейронную сеть, мы приблизимся к созданию цифровой версии человеческого мозга. Однако, по мнению специалиста по информатике Эрика Ларсона, это миф. Все данные указывают на то, что люди и машины радикально отличаются друг от друга. В новой книге Ларсон рассуждает о том, как распространенные заблуждения ограничивают инновации и научные открытия в области ИИ.

Companies have two to three years to lay the groundwork for successful use of generative AI, synthetic data and orchestration platforms.

«Столетнее исследование искусственного интеллекта» или AI100, является детищем компьютерного ученого и выпускника Стэнфордского университета Эрика Хорвица, который, помимо прочего, является бывшим президентом Ассоциации по развитию искусственного интеллекта.

Все, от технологических компаний до церквей, хотят высказать свое мнение о том, как ЕС регулирует ИИ, который может нанести вред людям.

Машинное обучение лежит в основе многих инновационных продуктов и позволяет создавать эффективные решения для бизнесов самых разных сегментов. Одно из направлений, где могут применять AI крупные компании, — это автоматизация процессов, связанных с правовым регулированием их деятельности. Рынок legal-tech стремительно развивается, предлагая бизнесу платформы и инструменты, которые упрощают работу штатных юристов. Валерий Маюшкин, основатель экспертной правовой AI-системы UR-LI, делится аналитикой тенденций на рынке legal-tech; рассказывает, легко ли их было внедрять в UR-LI — и заглядывает в будущее.

Разработчики из России, США и Канады создали и протестировали новую платформу распределенного обучения нейросетей на множестве компьютеров, соединенных через интернет. Система сама распределяет задачи по компьютерам, учитывая при этом их характеристики, а также справляется с потерей части участников и их работой в разное время. Разработчики продемонстрировали работу платформы, обучив нейросеть для обработки бенгальского языка на компьютерах 40 добровольцев за девять дней. Статья о разработке опубликована на arXiv.org, также разработчики рассказали о ней в блоге Hugging Face.

При реализации AGI возможны два принципиально разных подхода к принятию решений:
( A ) Решение принимается на основе текущей ситуации (контекста) путем применения явно или неявно указанного правила. Если возможно иметь разные цели, правила включают в себя зависимость от целей.
Обучение в данном случае - это формирование / изменение соответствующих правил.