IBM Watson
IBM Watson
IBM Watson — суперкомпьютер фирмы IBM, оснащённый вопросно-ответной системой искусственного интеллекта, созданный группой исследователей под руководством Дэвида Феруччи. Его создание — часть проекта DeepQA. Основная задача Уотсона — понимать вопросы, сформулированные ...

IBM Watson — суперкомпьютер фирмы IBM, оснащённый вопросно-ответной системой искусственного интеллекта, созданный группой исследователей под руководством Дэвида Феруччи. Его создание — часть проекта DeepQA. Основная задача Уотсона — понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных. Назван в честь основателя IBM Томаса Уотсона.

 

Новоиспеченное подразделение Cognitive Business Solutions будет включать 2 тыс. сотрудников, главной задачей которых станет консультирование корпоративных клиентов о том, насколько выгодно для них внедрение платформы когнитивных вычислений IBM Watson

http://www.ibm.com/smarterplanet/us/en/ibmwatson/

Развернуть описание Свернуть описание
01 ноября, 13:44

Искусственный интеллект поставит диагноз всего за 1 доллар

  ИИ уже способен автоматически выявлять 11 различных заболеваний, а к концу 2017 года их число должно увеличиться до 17. Среди патологий, которые может выявить робот, присутствуют рак легких, рак молочной железы, заболевания сердца, сосудов, а также травмы головного мозга. В качестве примера авторы приводят исследование на выявление скопления кальция в коронарных артериях. Как говорят разработчики,

26 октября, 08:10

Торговый робот(ы) построенный на ИИ

  • 0

Пока меж собой бодаются свято верующие в биткоина и ярые противники, пропускают хорошие новости. Итак:Компания EquBot запустила биржевой инвестиционный фонд AI Powered Equity ETF (тикер: AIEQ), портфель которого формируется с помощью технологии искусственного интеллекта IBM Watson. Пока его совокупная доходность превышает индекс S&P 500.Оригинал статьи: http://www.businessinsider.com/ai-powered-equity-etf-stock-aieq-market-robot-revolution-2017-10 Перевод: https://hightech.fm/2017/10/23/market-robot-revolution PS: рекомендую (вряд ли конечно послушаете), перестать бороться за светлое будущее на основе битка, а смотреть на самом в будущее с помощью прорывных технологий, одна из них ИИ, так же стоит обратить внимание на саму технологию blockchain, если откинуть откровенные кидки при помощи ICO, то технология хорошая и сейчас получает распространения и развития во многих странах.

Выбор редакции
24 октября, 15:46

Bimodal IT and IBM Watson? 'It's A Trap'

Instead of reinforcing organizational silos the way that Bimodal IT initiatives typically do, Horizon’s leveraging of ITSM within the digital group offers the combination of innovative, consumer-facing capabilities as well as traditional IT functions like its help desk.

23 октября, 08:24

Взломать организм. Как правильно бороться со старением, чтобы прожить долго и счастливо

Пост основателя «Островка» Сергея Фаге о том, как он пытается повысить свою производительность и долголетие, используя в том числе и методы с неподтвержденной клинической эффективностью, вызвали негативную реакцию со стороны сторонников доказательной медицины. Но у этой темы есть другая сторона: как заботиться о своем здоровье, чтобы прожить долгую и активную жизнь

14 октября, 22:50

Возможности и фейлы ИИ, как мы его сегодня знаем

Забудьте про Илона - прогноз для бизнеса на основе искусственного интеллекта не такой уж и страшный. Не бойтесь машин - технологии ИИ пока ещё не готовы к тому, чтобы думать самостоятельно (Они вообще не думают). Несмотря на предупреждения Илона Маска, сделанные им этим летом, у нас есть не так уж много причин терять сон, беспокоясь по поводу Skynet и терминаторов. Искусственный интеллект (ИИ) ещё далёк от того, чтобы превратиться во вредоносную и всезнающую силу. Единственный апокалипсис, который нам светит - слишком сильная надежда людей на машинное обучение и экспертные системы, что доказали владельцы Tesla, снявшие руки с руля. Примеры того, что сегодня пытаются выдать за ИИ - такие технологии, как экспертные системы и машинное обучение - прекрасны для создания софта, способного помочь в областях распознавания последовательностей, автоматического принятия решений и общения человека с компьютером. Эти технологии существуют уже несколько десятилетий, и качество их работы зависит от качества входных данных. Поэтому маловероятно, что в ближайшее время ИИ заменит суждения людей по важным вопросам, в которых требуется более сложный ответ, чем "да" или "нет". Экспертные системы, также известные, как системы на основе правил или системы на основе знаний, представляют собой компьютеры, запрограммированные при помощи явных правил, выработанных людьми-экспертами. Компьютеры могут применять эти правила, только гораздо быстрее и без перерыва, чтобы приходить к тем же выводам, что и эксперты-люди. Представьте, что вы спросили онколога, как она диагностирует рак, а затем запрограммировали медицинское ПО на прохождение тех же шагов. В случае конкретного диагноза онколог может изучить, какие из правил были активированы в процессе его постановки, чтобы подтвердить корректность работы экспертной системы. Однако для создания и поддержания системы таких правил требуется много времени и специальных знаний, а правильность работы слишком сложных экспертных систем тяжело подтвердить. И, естественно, такие системы не работают вне своих правил. Лошадка, знающая один трюк Машинное обучение (МО) позволяет компьютерам прийти к решению - но без предварительного явного программирования. Вместо этого им показывают сотни или тысячи примеров наборов данных, и сообщают, как их можно разбить на категории: "рак/не рак", "этап 1 / этап 2 / этап 3". Сложные алгоритмы тренируются на этих наборах данных и обучаются тому, как ставить правильные диагнозы. Машинное обучение может тренироваться на наборах данных, даже если эксперт-человек не может объяснить, как было сделано решение. Благодаря увеличению количества и качества собираемых различными организациями данных, машинное обучение продвигает ИИ-технологии во всё расширяющийся набор прикладных применений, которые обещают произвести революцию в индустриях - если их использовать правильно и с умом. Но у МО есть присущие ему слабости. К примеру, с алгоритмом нельзя провести реверс-инжинириг. Нельзя спросить, каким образом был поставлен определённый диагноз. И не получится задать МО вопрос в области, в которой она не тренировалась. Классическим примером МО будет классификация изображений по типам "кошка / собака / обе / никто из них". После такой обработки нельзя спросить МО, есть ли на картинке пудель или собака - оно не может адаптироваться к новым вопросам, не проведя тренировку или не добавив ещё один уровень МО к системе. ИИ-технологии, если рассматривать их, как автоматизацию, могут многое добавить к бизнес-продуктивности. В некоторых областях задач ИИ прекрасно работает, особенно там, где требуемое решение довольно прямолинейное, и не содержит слишком большого количества нюансов. Тут начинает вырисовываться закономерность Один из наиболее часто применимых типов МО - распознавание закономерностей, основанное на кластеризации и категоризации данных. Пользователи Amazon уже почувствовали, как аналитику на основе МО можно использовать в продажах: механизм рекомендаций Amazon использует кластеризацию на основе покупок клиента и других данных, определяя продукты, которые могут его заинтересовать. Такого рода аналитику использовали в физических розничных магазинах годами - некоторые продуктовые магазины размещают продукты на витрине рядом с самыми часто приобретаемыми товарами. Но МО может автоматизировать такие задачи практически в реальном времени. МО превосходно работает с распознаванием всяких закономерностей - в медицинской обработке изображений, финансовых сервисах (не мошенническая ли это транзакция по банковской карте?), и даже в управлении IT (если нагрузка сервера слишком велика, попробуй эти настройки, пока проблема не исчезнет). Такого рода автоматизация на основе данных используется вне розничного мира для работы с другими рутинными задачами. К примеру, у стартапа Apstra есть инструменты, использующие МО и аналитику реального времени для автоматической подстройки и оптимизации быстродействия дата-центров, что не только уменьшает потребность в сотрудниках административного отдела, но и уменьшает необходимость обновления оборудования. Ещё один стартап, Respond Software, предлагает экспертные системы, которые можно использовать в корпоративных центрах обеспечения безопасности для автоматического распознавания и работы с происшествиями, связанными с безопасностью. А Darktrace использует МО для определения подозрительной активности в сетях - система Enterprise Immune System ищет действия, не совпадающие с теми, что проводились в сети до этого, и предупреждает сотрудников службы безопасности о вещах, которые могут их заинтересовать. Модуль Antigena может автоматизировать реагирование на обнаруженные проблемы, разъединяя сетевые связи, похожие на вредоносные. Человеческий интеллект МО можно применять и для анализа более человеческого общения. После обширных работ, проведённых специалистами по обработке данных и разработчиков, алгоритмы МО относительно неплохо научились распознавать "настрой" текста - определять, звучит он позитивно или негативно. Это начали применять к "обработке текста" соцсетей и к обработке изображений. Microsoft Project Oxford создал API для проверки эмоций людей на фотографиях, а также создал API для обработки текста, опознающий его настрой. IBM Watson тоже работает с таким анализом в своём продукте Tone Analyzer, способном ранжировать по эмоциональности твиты, емейлы и другие тексты. Такого рода технологии интегрируются в системы работы с пользователями, определяющими жалобы пользователя на продукты и услуги и отправляющие информацию людям для ответа. IBM скооперировалась с Genesys, чтобы встроить свою систему Watson в Customer Experience Platform, чтобы позволить персоналу отвечать людям на их вопросы напрямую, и соединять людей с жалобами сразу с теми специалистами, кто сможет ответить им наилучшим образом. Системе приходится учиться у людей на лету, но она постоянно улучшает качество своих ответов - хотя её эффективность всё ещё предстоит проверять. Даже извечная область деятельности людей, управление персоналом, получает преимущества от ИИ в измерении продуктивности и эффективности работника, проведении оценки результатов деятельности и даже во внедрении умных чатботов, помогающих сотрудникам назначать даты отпусков или высказывать свои проблемы по поводу управления разговорным языком. ИИ стартапы оптимизируют рутинные операции HR: Butterfly предлагает коучинг и менторство, Entelo помогает рекрутёрам просматривать соцсети в поисках кандидатов, Textio помогает писать более эффективные описания вакансий. Но ИИ плохо работает с неопределённостью, включая отклонения в тренировочных данных или экспертных правил. Разные врачи могут ставить разные диагнозы или рекомендовать разное лечение. Что же нужно делать экспертной диагностической системе? Широко обсуждаемое применение МО - это фильтрация заявок поступающих в колледж. ИИ тренировали на данных по нескольким годам заявок, включающим оценки за успеваемость, отзывы из школы, и даже сочинения, и сообщали, каких студентов приняли, а каким - отказали. Целью эксперимента было воспроизвести работу людей, принимающих студентов - и система работала, но она воспроизводила также их недостатки, к примеру, склонность к определённым расовым группам, социально-экономическим классам, и даже таким занятиям, как участие в спортивных командах. Результат: технический успех, а в остальном - эпический провал. До тех пор, пока не произойдёт прорыва в обработке двусмысленностей или противоречий в правилах и склонностей в тренировочных данных, ИИ будет трудно развиваться. Требуется помощь Для улучшения работы, системам МО необходима тренировка на хороших данных. Но чтобы понять эти данные, людям во многих случаях требуется предварительно обработать информацию - назначать нужные метаданные и форматирование, а также направлять алгоритмы МО на нужные части данных для получения лучших результатов. Многие из подвижек в прикладных областях МО и ИИ произошли благодаря работе, проделанной экспертами-людьми во многих областях, направленной на предоставление более качественных данных в больших объёмах. Недорогие исторические данные, полученные со спутников, и улучшения в погодных данных, делают возможным для МО предсказывать проблемы с посевами в развивающихся странах. Descartes Labs, используя данные спутников LANDSAT 8, построить мозаику размером в 3,1 триллион пикселей, обозначающую пахотные земли планеты и отслеживать рост растений. Скомбинировав эти данные с метеорологическими, МО компании сумело точно предсказать урожаи кукурузы и сои в США по отдельным округам. С увеличением объёмов недорогих изображений, полученных со спутников, и данных со всепроникающих погодных датчиков, предсказательные системы будут и дальше повышать свою точность - с помощью специалистов по обработке данных и других экспертов-людей. Предсказания другого сорта могут поменять работу бизнес-предприятий. В недавнем исследовании от Найангского технологического университета Сингапура было показано, что прогнозы на основе МО, использующего нейросети, способны более точно предсказывать запросы производств, что позволяет компаниям лучше планировать производство, чем при помощи экспертных систем или других предсказательных технологий, основанных лишь на исторических данных. Особенно это заметно в индустриях с нестабильным спросом, у которых спрос бывает либо слишком большим, либо слишком маленьким, и очень редко - средним. Такие системы могут находить закономерности сами, без предварительных объяснений о способе моделирования данных. Такие системы, усложняясь и используя всё больше типов данных, могут дать предприятиям и организациям способность находить закономерности во всё больших наборах данных. Но если мы можем использовать ИИ для помощи в принятии решений в тех областях, в которых мы уже знаем, что нужно делать, мы не можем отправить агентов ИИ в неизвестность, не обеспечивая за ними надзор со стороны людей, которые смогут составить экспертные правила или создать новые наборы тренировочных данных с нуля. И хотя некоторые ИИ системы, типа IBM Watson или Amazon Alexa могут засасывать огромные объёмы неструктурированных данных из интернета и использовать их для поиска по тексту или построения базы знаний для ответов на вопросы, это не поможет создавать новые тренировочные наборы данных для распознавания образов - пока. Научно-фантастический образ компьютеров, самостоятельно находящих себе свои наборы данных, недостижимы для сегодняшнего ИИ - как и для завтрашнего. Решения, и вопросы, по-прежнему будут создавать люди. Алан Зейчик - глава аналитической группы Camden Associates, работающей в Финиксе, шт. Аризона. Бывший разработчик и системный аналитик, он был основателем и главным редактором журнала Software Development Times.(https://geektimes.ru/post...)

21 сентября, 14:04

RAIF-Challenge 2017: онлайн-чемпионат по искусственному интеллекту. Применяем ML/AI на практике

В то время как с помощью искусственного интеллекта IBM Watson лучше докторов диагностирует рак, MasterCard и PayPal — отсекают мошеннические операции, а беспилотная техника начала летать наравне с «пилотной», российский бизнес отказывается верить в «великую силу» ИИ. Внедрения успешны — но единичны. Чтобы исправить ситуацию и на практике показать компаниям все возможности подобных технологий, «Инфосистемы Джет» при поддержке «М.Видео», «Альфастрахования» и банка «УРАЛСИБ» с 20 сентября по 25 октября проводят онлайн-чемпионат по AI и машинному обучению «RAIF-Challenge 2017» в рамках форума RAIF (Russian Artificial Intelligence Forum). читать далее

13 сентября, 18:28

Нейросети: как искусственный интеллект помогает в бизнесе и жизни

  • 0

Оригинал опубликован на blog.dti.team Читать предыдущее исследование: Интернет вещейВ работе Oxford Martin School 2013 года говорилось о том, что 47% всех рабочих мест может быть автоматизировано в течение следующих 20 лет. Основным драйвером этого процесса является применение искусственного интеллекта, работающего с большими данными, как более эффективной замены человеку. Машины теперь способны решать все больше процессов, за которые раньше отвечали люди. Кроме того, делают это качественнее и во многих случаях дешевле. О том, что это значит для рынка труда, в июле этого года говорил Герман Греф, выступая перед студентами Балтийского федерального университета им. Канта:“Мы перестаём брать на работу юристов, которые не знают, что делать с нейронной сетью. Вы — студенты вчерашнего дня. Товарищи юристы, забудьте свою профессию. В прошлом году 450 юристов, которые у нас готовят иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом. Их мы на работу точно не возьмем.” Продолжая освещать #технобудущее, команда DTI подготовила все, что необходимо знать для первого погружения в нейронные сети: как они устроены, почему все больше компаний предпочитают нейросети живым сотрудникам и какой потенциал по оптимизации различных процессов несет эта технология. Искусственный интеллект, машинное обучение и нейросети: в чем разницаНейронная сеть – один из способов реализации искусственного интеллекта (ИИ).В разработке ИИ существует обширная область - машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска.#справка Во многих статьях можно встретить термин «глубокое» — или «глубинное» — обучение. Под ним понимают алгоритмы машинного обучения, использующие много вычислительных ресурсов. В большинстве случаев под ним можно понимать просто “нейронные сети”.Чтобы не запутаться в понятиях «искусственный интеллект», «машинное обучение» и «глубокое обучение», предлагаем посмотреть на визуализацию их развития: #интересное Существует два типа искусственного интеллекта (ИИ): слабый (узконаправленный) и сильный (общий). Слабый ИИ предназначен для выполнения узкого списка задач. Такими являются голосовые помощники Siri и Google Assistant и все остальные примеры, которые мы приводим в этой статье. Сильный ИИ, в свою очередь, способен выполнить любую человеческую задачу. На данный момент реализация сильного ИИ невозможна, он является утопической идеей.Как устроена нейросетьНейросеть моделирует работу человеческой нервной системы, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, с каждым разом система совершает все меньше ошибок.Как и наша нервная система, нейросеть состоит из отдельных вычислительных элементов – нейронов, расположенных на нескольких слоях. Данные, поступающие на вход нейросети, проходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определенные параметры, которые могут изменяться в зависимости от полученных результатов – в этом и заключается обучение сети.Предположим, что задача нейросети – отличать кошек от собак. Для настройки нейронной сети подается большой массив подписанных изображений кошек и собак. Нейросеть анализирует признаки (в том числе линии, формы, их размер и цвет) на этих картинках и строит такую распознавательную модель, которая минимизирует процент ошибок относительно эталонных результатов.На рисунке ниже представлен процесс работы нейросети, задача которой — распознать цифру почтового индекса, написанную от руки. История нейросетейНесмотря на то, что нейросети попали в центр всеобщего внимания совсем недавно, это один из старейших алгоритмов машинного обучения. Первая версия формального нейрона, ячейки нейронной сети, была предложена Уорреном Маккалоком и Уолтером Питтсом в 1943 году.А уже в 1958 году Фрэнк Розенблатт разработал первую нейронную сеть. Несмотря на свою простоту, она уже могла различать, например, объекты в двухмерном пространстве. Mark I Perceptron — машина Розенблатта Первые успехи привлекли повышенное внимание к технологии, однако затем другие алгоритмы машинного обучения стали показывать лучшие результаты, и нейросети отошли на второй план. Следующая волна интереса пришлась на 1990-е годы, после чего о нейросетях почти не было слышно до 2010 года. Почему нейросети вновь популярныДо 2010 года попросту не существовало базы данных, достаточно большой для того, чтобы качественно обучить нейросети решать определенные задачи, в основном связанные с распознаванием и классификацией изображений. Поэтому нейросети довольно часто ошибались: путали кошку с собакой, или, что еще хуже, снимок здорового органа со снимком органа, пораженного опухолью.Но в 2010 году появилась база ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превышала объем существовавших баз данных изображений и была доступна для любого исследователя. С такими объемами данных нейросети можно было учить принимать практически безошибочные решения. Размер ImageNet в сравнении с другими существовавшими в 2010 году базами изображенийДо этого на пути развития нейросетей стояла другая, не менее существенная, проблема: традиционный метод обучения был неэффективен. Несмотря на то что важную роль играет число слоев в нейронной сети, важен также и метод обучения сети. Использовавшийся ранее метод обратного шифрования мог эффективно обучать только последние слои сети. Процесс обучения оказывался слишком длительным для практического применения, а скрытые слои глубинных нейросетей не функционировали должным образом.Результатов в решении этой проблемы в 2006 году добились три независимых группы ученых. Во-первых, Джеффри Хинтон реализовал предобучение сети при помощи машины Больцмана, обучая каждый слой отдельно. Во-вторых, Ян ЛеКан предложил использование сверточной нейронной сети для решения проблем распознавания изображений. Наконец, Иошуа Бенджио разработал каскадный автокодировщик, позволивший задействовать все слои в глубокой нейронной сети. Примеры успешного применения нейросетей в бизнесе МедицинаКоманда исследователей из Ноттингемского университета разработала четыре алгоритма машинного обучения для оценки степени риска сердечно-сосудистых заболеваний пациентов. Для обучения использовались данные 378 тыс. британских пациентов. Обученный искусственный интеллект определял риск кардиологических заболеваний эффективнее реальных врачей. Точность алгоритма — между 74 и 76,4 процентами (стандартная система из восьми факторов, разработанная Американской коллегией кардиологии, обеспечивает точность лишь в 72,8%)ФинансыЯпонская страховая компания Fukoku Mutual Life Insurance заключила контракт с IBM. Согласно нему, 34 сотрудников японской компании заменит система IBM Watson Explorer AI. Нейросеть будет просматривать десятки тысяч медицинских сертификатов и учитывать число посещений госпиталей, перенесенные операции и другие факторы для определения условий страхования клиентов. В Fukoku Mutual Life Insurance уверены, что использование IBM Watson повысит продуктивность на 30% и окупится за два года.Машинное обучение помогает распознавать потенциальные случаи мошенничества в различных сферах жизни. Подобный инструмент использует, например, PayPal – в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате, мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе — 1,32%. Продолжение аналитической записки доступно по ссылке: blog.dti.team

30 июля, 19:39

Naked Science. "Пять сценариев будущего: оптимистичные и пессимистичные"

Будущее стремительно становится настоящим – новые технологии превращаются в реальность каждый день. Чем это обернется для человечества? Журналисты Naked Science собрали десять самых ожидаемых и самых неожиданных прогнозов о будущем. Портал "Россия будущего" объединил их в одном материале. Экономическое неравенство породит биологическое неравноправие, но долгая жизнь будет доступна многимПЕССИМИСТЫ: Технический прогресс дал нам то, о чем наши родители не могли даже мечтать, но не исправил проблемы неравенства. А ведь на очереди революция в биотехнологиях и медицине. Легко ли будет свыкнуться с мыслью, что кто-то проживет на сто лет дольше, чем вы. Причем без болезней и других тягот жизни. Одни смогут совершенствовать возможности своего тела: развивать физические и когнитивные способности, другим это будет недоступно. Таким образом, одна часть человечества с помощью доступных только ей биотехнологий и биоинженерии сможет улучшить свои тела. Эти люди смогут усовершенствовать себя, став более умными, более здоровыми и, соответственно, будут жить дольше. Другой части человечества останется только наблюдать за этим.ОПТИМИСТЫ: Существенное продление жизни станет доступным не только для состоятельных. И речь идет не о том, чтобы отодвинуть на как можно более поздний срок последний финальный день жизни, а о том, чтобы максимально продлить период активной жизни. Благодаря этому мы вынуждены будем отойти от существующей сегодня линейной последовательности. Жизненные циклы: получение образования, работа и заслуженный отдых, будут чередоваться несколько раз за отведенный нам срок. За одну длинную жизнь человек сможет сменить несколько профессий, несколько раз построить карьеру и несколько раз прерваться на длительный отдых. Фактически мы будем «перезагружаться» каждый раз, как только наши рабочие навыки устареют и потребуется смена профессии, или нам захочется начать новую жизнь. Также мы не будем связывать себя узами бессрочного брака, а заключать его только на период воспитания детей. Будущее предоставит нам еще множество возможностей, которые мы сегодня даже представить себе не можем.Люди не смогут найти работу, зато у них появится время, чтобы сделать мир лучшеПЕССИМИСТЫ: «Индустриализация 2.0» грозит уничтожить рабочий класс. Но сами люди никуда не денутся. Каждый раз на новом технологическом витке требования к квалификации для занятия новых профессий повышались. И в один решающий момент большинство людей просто не смогут сделать шаг вперед, не смогут доучиться, переучиться, понять обновившиеся требования – новые появившиеся вакансии будут им не доступны. К середине века сформируется новый класс людей – «бесполезный класс». Это будут не просто безработные, это будут люди, которые в принципе не способны занять немногочисленные оставшиеся вакансии и те которые появятся в новых отраслях. Технический прогресс, не сделает их нищими – они смогут жить за счет безусловного основного дохода. Но проблема будет заключаться в другом – без дела и конкретных целей люди начинают сходить с ума. Человеку требуется испытывать эмоции, чувство удовлетворения, достигать каких-либо целей. Выход может быть в виртуальной реальности. Люди, не нашедшие себе применение в экономике – в реальном мире, найдут свои цели жизни в мирах виртуальных. Виртуальная реальность компенсирует бесполезному классу эмоции, которые его представители не получат в реальном мире. Видеоигры станут смыслом жизни «бесполезного класса».ОПТИМИСТЫ: Футурологи уже давно задумываются над тем, чем мы могли бы заняться в век, когда машины начнут менять смысл нашего существования. Отдохнув и поняв что, безделье это путь в никуда, человек обратится к новым, но одновременно знакомым, видам деятельности. Собственно, первое, на что обратят внимание люди, когда снимут с себя бремя необходимости постоянно работать, – это несовершенство мира. Люди обратят свое внимание на социальные проблемы, состояние окружающей среды, развитие городской инфраструктуры. Включатся в решение вопросов местного самоуправления, займутся заботой о людях, нуждающихся в помощи, а также организацией культурных мероприятий.Труд людей станет дешевле роботов, но это ненадолгоПЕССИМИСТЫ: Практически все уверены, что роботы и автоматизация приведут к технологической безработице. Останемся мы на своих местах или нет, будут решать экономисты. А они руководствуются только принципами экономической эффективности. И если использование труда человека будет выгоднее, чем использование роботов, то, скорее всего, именно человеку будет отдано предпочтение. В качестве примера можно взять такси. Сейчас нет необходимости держать информацию о городе в памяти. Это все делает программа-навигатор. Требование к квалификации водителя снижаются. А на менее сложную работу найдется больше претендентов, значит, уровень заработной платы будет падать. Роботы уже торгуют на бирже. IBM Watson подсказывает диагнозы и наиболее оптимальные курсы лечения. В таком сценарии все может закончиться тем, что и управление миром будет передано сверхмощному искусственному интеллекту. А человек будет только обслуживать машины и выполнять команды искусственного разума.ОПТИМИСТЫ: В самом деле, представляя мрачное будущее, в котором искусственный интеллект будет знать о нас все, а роботы займут наши места, стоит кое о чем задуматься. Человек работает, чтобы потреблять. Эффектом от внедрения роботизации будет лишь краткосрочный рост объемов производства товаров и услуг. Затем, в перспективе, через снижение спроса на рабочую силу и доходов населения это приведет к снижению потребления, а значит, и производства. Кроме того, власть выбирается населением, людьми. В целом, властям придется постараться, чтобы избежать социального взрыва, а конкретным политикам – поражения на выборах. Чтобы избежать этой ситуации, уже сегодня предлагается квотирование рабочих мест для людей, где работают роботы. Или, к примеру, налог на использование роботов с последующим перераспределением собранных средств среди граждан, оставшихся без работы.Люди будут отказываться от института собственности, но на аренду всего необходимого деньги будут давать просто такПЕССИМИСТЫ: Современные исследования говорят о том, что все больше граждан США в возрасте до 35 лет отказываются от приобретения недвижимости и собственного автомобиля. Эту возрастную группу уже прозвали «поколением арендаторов». Они не покупают дома даже в ипотеку, а снимают квартиры, не приобретают свои автомобили, а пользуются такси. В помощь им уже выросла целая ИТ-индустрия, ведущими представителями которой выступают такие сервисы, как Uber и Airbnb. Называется все это «экономикой совместного потребления». И это только начало. Смогут ли люди постоянно оплачивать свои потребности – непонятно. Сложная жизненная ситуация может привести к плачевным последствиям.ОПТИМИСТЫ: Безусловный базовый доход – это уже не теоретические выкладки, а реальные эксперименты, которые проводятся в разных странах мира. Сегодня вы работаете, а завтра – нет, и все равно вы ежемесячно получаете деньги. Равную сумму со всеми другими членами общества. Основные базовые потребности – что есть, где жить и во что одеваться – всегда будут оплачиваться государством. На потребности, сильно выходящие за пределы основных, все-таки придется заработать, но поколению арендаторов не о чем будет беспокоиться – они будут застрахованы от негативных сценариев. Можно будет не держаться за нелюбимую работу и попробовать начать свой бизнес, не боясь лишиться средств к существованию. Люди смогут учиться и выбирать свой путь в жизни так долго, как это необходимо. Заниматься общественной работой или семьей, творчеством или помощью ближним, путешествовать по миру или посвятить свободное время саду и выведению новых видов цветов.Частная жизнь станет пережитком прошлого, но все поймут, что так прощеОПТИМИСТЫ: Мы все уже прекрасно понимаем, что о нас каждый день собирается информация. Технологии уже позволяют отследить каждый наш шаг. Уже скоро маленькими ручейками сведения о нас будут стекаться в большие базы данных, а затем подвергаться анализу. Представьте, что вы купили в обычной аптеке лекарство, курс приема которого составляет две недели. Расплатились с помощью банковской карты. За несколько дней до окончания приема лекарства сервисы контекстной рекламы станут показывать вам на всех сайтах рекламные объявления конкурирующих препаратов. Данные о покупках по вашей карте соотнесены с вами, как с пользователем Интернета. Уже не только ваше поведение в Сети, но и ваши поступки в реальной жизни будут подсказывать, какую рекламу вам нужно показывать.ПЕССИМИСТЫ: Целевая реклама и «большие данные» уже сегодня вошли в нашу жизнь. Но кому от этого стало хуже? Такая реклама позволяет развиваться небольшим производителям, которые никогда не потянули бы полномасштабную классическую рекламную кампанию. Кроме того, желающие могут установить легальные приложения (браузеры, не хранящие историю переходов, мессенджеры с шифрованием переписки), которые позволят оставаться анонимными в сети, хотя это и не поощряется государством, судя по последним принятым законопроектам.Вы также можете подписаться на мои страницы:- в фейсбуке: https://www.facebook.com/podosokorskiy- в твиттере: https://twitter.com/podosokorsky- в контакте: http://vk.com/podosokorskiy- в инстаграм: https://www.instagram.com/podosokorsky/- в телеграм: http://telegram.me/podosokorsky- в одноклассниках: https://ok.ru/podosokorsky

28 июля, 12:00

Прогноз ученых: к концу 21 века люди разделятся на биологические касты

Несколько очень вероятных сценариев, ожидающих человечество в ближайшей перспективе опубликовывал Naked ScienceВ предсказаниях будущего недостатка никогда не было и не будет, хотя если приглядеться внимательно – из века в век все они похожи друг друга, отличаясь только деталями. Это не удивительно, поскольку все основаны на человеческом опыте, а он повсюду примерно один и тот же во все времена. Поэтому-то и сбываются самые смелые и мрачные предсказания великих фантастов. Еще одну порцию прогнозов, разумеется, не слишком веселых, подготовил сайт Naked Science, и нет никаких сомнений, что все они исполнятся рано или поздно.Одним вершки, другим - корешкиПрофессор истории Еврейского университета в Иерусалиме Юваль Ной Харари, автор книги «Sapiens. Краткая история человечества» считает, что к концу нашего столетия человечество расколется на биологические касты. По его мнению, на протяжении всей истории человечества неравенство между людьми только усиливалось. Но все это время достижения человеческой мысли — гуманизм, либерализм, социализм — как могли исправляли несправедливое распределение благ в обществе. Поскольку народ во все времена был основной производительной силой, элита была вынуждена хоть как-то заботиться о его образовании, здоровье и благосостоянии.Однако, автоматы и роботы медленно, но верно вытесняют человека из производительной сферы, лишая его постоянного дохода, в то время, как богатые только богатеют. Если дело так пойдет и дальше, то следующем веке неравенство в обществе достигнет исторического максимума, считает Харари.Экономическое неравенство породит биологическое. Одни люди смогут с помощью новых биотехнологий совершенствоваться физические и умственно, тогда как другим это будет недоступно.Без дела и без идеалаОпасения массовой безработицы, в связи с развитием технологий еще никогда не оправдывались, поскольку на смену одним профессиям всегда приходили другие — новые. Но вряд ли так будет всегда.В какой-то момент большинство не сможет переучиться, понять обновившиеся требования и новые вакансии станут им не доступны. В качестве примера Харари приводит профессию дизайнера виртуальных миров. Смогут ли претендовать на нее, допустим, 40-летний таксист или страховой агент, ведь новые профессии как правило осваивает молодежь. Процесс, когда пожилые дорабатывают до пенсии на своих прежних рабочих местах, а молодые занимают новые со временем только ускорится и множество работников окажутся невостребованными практически одномоментно.Харари считает, что к середине XXI века сформируется так называемый «бесполезный класс»: не просто безработные, а люди, не способные в принципе занять немногочисленные свободные вакансии, которые появятся в новых отраслях.Правда это не сделает их нищими, так они смогут жить за счет безусловного основного дохода. Но проблема, по мнению историка, будет заключаться в том, что без дела и конкретных целей люди начнут сходить с ума. Человеку требуется испытывать эмоции, чувство удовлетворения, достигать каких-либо целей.Харари предполагает, что люди, не нашедшие себе применение в экономике — в реальном мире, найдут свои цели жизни в мирах виртуальных. Не зря он говорит о профессии дизайнера виртуальных миров, как об одной из популярных профессий будущего. Это компенсирует бесполезному классу эмоции, которые его представители не получат в реальном мире. Видеоигры станут смыслом жизни «бесполезного класса».Компьютерная справедливостьИтак, внедрение роботов и автоматов ведет к технологической безработице. Однако решать, сохранят ли люди свои рабочие места или нет, будут решать не инженеры и не сами робот, а экономисты, руководствуясь принципами экономической эффективности. Если использовать труд человека будет выгоднее, чем труд роботов, то человека и предпочтут. Управляющий партнер Union Square Ventures Альберт Вегнер считает, что люди сохранят конкурентное преимущество перед роботами, но только за счет того что будут обходиться работодателю дешевле, чем машины.В качестве примера Вегнер приводит лондонское такси. Чтобы водить знаменитый черный кэб по улицам британской столицы, нужно учиться четыре года и помнить расположение всех 25 000 лондонских улиц. На экзамене требовалось по памяти проложить маршрут и назвать все улицы на нем. Именно поэтому семь из десяти учащихся на таксиста бросали учебу. Сейчас же такой необходимости нет: конечный пункт маршрута вводит сам пользователь, а все остальное – дело программы. Квалификация водителя падает, на это место возникает больше претендентов, а следовательно падает уровень заработной платы.Если машина возьмет на себя часть работы человека, считает Венгер, работнику будут меньше платить, а это может быть намного эффективнее, чем полный отказ от человеческого труда.Роботы уже торгуют на бирже. IBM Watson подсказывает диагнозы и наиболее оптимальные курсы лечения, врачу остается только согласиться с компьютером или нет. Крупнейший в мире хедж-фонд Bridgewater Associates переходит под управление искусственного интеллекта, а, лет через пять три из четырех управленческих решений в компании будет принимать суперкомпьютер.В результате и управление миром может быть отдано сверхмощному искусственному интеллекту, а люди будут только обслуживать машины и выполнять команды искусственного разума. Остается надеяться, что суперкомпьютер будет справедлив к человеку...Ничего своего!Исследования говорят о том, что все больше граждан США в возрасте до 35 лет отказываются от приобретения недвижимости и собственного автомобиля, вместо этого они снимают квартиры и пользуются такси. Их уже прозвали «поколением арендаторов». Создана уже целая ИТ-индустрия, самые известные компании в которой - сервисы Uber и Airbnb. Это называется «экономикой совместного потребления».Журналист The Guardian Бен Тарнофф уверен, что в ближайшем будущем человек будет обходится вообще без собственных вещей. Речь идет не о домах и автомобилях, а о, к примеру, зимнем пальто, которое летом возвращается арендодателю, о кровати, которую вы меняете на большую, если спите не один, и о других вещах, которыми вы владеете только тогда, когда они вам нужны.Эту ситуацию еще в 1969 году описал в своем романе «Убик» великий фантаст Филипп Дик. В его книге человек платит буквально за все: за то чтобы сварить кофе или открыть дверцу холодильника... Идеи Дика воплощаются уже сегодняК примеру, компания Toyota разработала такой сервис: те, кто покупает ее машину в кредит и не внес вовремя очередной платеж, не сможет ей воспользоваться — она не заведется. Штрафные санкции следуют моментально, дистанционно и без посредничества государственных служб...Проект Ethereum Computer немецкой компании Slock.it позволяет устанавливать «умные» замки вообще на любые вещи, от входных дверей в арендованную квартиру до стиральной машины, которой могут воспользоваться ваши соседи, но за деньги.Это означает, что скоро иметь собственность станет дорого и вы будете вынуждены ей делиться. А лучше вообще ничего не иметь и все брать в аренду, если есть деньги. Кажется удобно? Да, но с другой стороны, это означает, что почти 100% всего мирового богатства окажутся в руках нескольких мегамиллиардеров...Продам душу. НедорогоУже сегодня технологии позволяют отследить каждый наш шаг, собрать любую информацию о нас и проанализировать ее так, что в Сети нам уже предлагают купить то, что нас только заинтересовало всего минуту назад. С одной стороны, это удобно, но с другой...Автор книги «Все под контролем. Кто и как следит за тобой» Симсон Гарфинкель — считает, что в будущем нам следует опасаться не оруэлловского «Большого брата», а сотен «маленьких», подглядывающих отовсюду - компаний, собирающие информацию о каждом нашем шаге, каждом событии в нашей жизни: покупках, болезнях и травмах, круге общения, проблемах с законом и так далее.Персональная информация стала товаром, причем ходовым товаром. Гарфинкель приводит интересный пример. Информация о финансовом состоянии одной американской семьи была продана 187 бюро кредитных историй. Но в связи с ошибкой налоговых органов эти сведения были недостоверны и целых семь лет банки отказывали супругам в кредитах!Исследование The Consumer Data Value Exchange, проведенное Microsoft, показало, что 99,6% пользователей Интернета не против продавать личную информацию о себе за вознаграждение, а компания Luth Research из Сан-Диего готова покупать эти данные, чтобы перепродавать их своим клиентам. Это означает, что в будущем продажа личной информации может стать источником дохода...источник

Выбор редакции
27 июля, 16:21

Известная пряность победит рак головного мозга

Любимая многими куркума может использоваться для борьбы с раком головного мозга. Правда, речь идёт не об употреблении её в пищу, а об адресной доставке прямо к раковым клеткам. Помогут в этом особые наночастицы.

Выбор редакции
26 июля, 06:27

ИИ от IBM может предсказать шизофрению, просто изучив кровоток в мозге

Шизофрения в Америке не является особенно распространенным психическим расстройством, затрагивая только 1,2 процента населения или около 3,2 миллиона человек, но её последствия могут быть весьма неприятными. Тем не менее, новаторские исследования, проведенные компанией IBM и Университетом Альберты, в скором времени помогут врачам диагностировать начало заболевания и возможную тяжесть проявления его симптомов с помощью простого МРТ-сканирования и нейронной сети, созданной специально для изучения кровотока в мозге.

26 июля, 01:02

[Перевод] Дядя Боб Мартин: «Вези меня в Торонто, HAL»

Я не перестаю читать в новостях о неизбежном наступлении беспилотных автомобилей. Финансовые новости все время трещат об этой идее, и технологические тоже. Прогнозируют, что в течение следующих пяти лет водители грузовиков, таксисты и уберисты останутся без работы. У меня есть одно слово для всех этих прогнозов: Торонто! Вы помните тот момент, когда IBM Watson играл и выиграл в «Джеопарди»? [Jeopardy — ТВ игра в США, похожая на «Свою игру». — прим. пер.] Это произошло в феврале 2011 года. Успех был впечатляющим. Watson так значительно превосходил соперников-людей, что было несколько грустно. После этого, Кен Дженнингс [Ken Jennings], один из оппонентов Watson'а, который перед этим выиграл 74 игры подряд, нехотя признал поражение, приветствуя «наших новых компьютерных повелителей». Несмотря на выдающийся успех IBM, не обошлось без недоразумений. И они были очень показательными. Ошибки, которые допустил Watson, были не такими, какие сделал бы человек. Действительно, от них глаза на лоб лезли — и, если представить последствия, то и волосы встают дыбом. Читать дальше →

Выбор редакции
25 июля, 14:21

ИИ от IBM может предсказать шизофрению, просто изучив кровоток в мозге

И такой диагноз ИИ подтверждается в 74 процентах случаев

Выбор редакции
12 июля, 12:53

Челенджи, брейк-пойнты, сеты и победы — обработка информации на Уимблдоне с помощью IBM Watson

В этом году теннисный турнир Уимблдон проходит с 3 по 16 июля. И, как всегда, он привлекает внимание миллионов любителей спорта со всего мира. Большой теннис, несмотря на кажущуюся простоту, на самом деле сложен. Это относится как к спортсменам, так и к судьям и зрителям. Кто победил, кто сколько очков набрал, кто с кем играет — эта информация постоянно у всех на слуху. Для того, чтобы организация матча проходила гладко, а все заинтересованные стороны получали необходимую информацию, Уимблдон с каждым годом становится все более технологичным. Сейчас здесь используются облачные технологии, аналитика, мобильные технологии, анализ социальных и прочих трендов. В этом году проводить Уимблдон помогает когнитивная система Watson. Читать дальше →

07 июля, 22:30

Нейросети диагностируют проблемы с сердцем более точно, чем врачи

Человеческий фактор часто становится причиной возникновения проблем. Это касается производства, бытовых ситуаций, вождения и, конечно же, медицины. Ошибка врача может означать потерю здоровья или даже жизни пациентом, а врачи ошибаются не так уж и редко. Даже профессионал высшей пробы может делать ошибки — ведь специалист может быть уставшим, раздраженным, концентрируясь на проблеме хуже, чем обычно. В этом случае на помощь могут прийти машины. Та же когнитивная система IBM Watson, например, вполне неплохо управляется с работой в медицинской сфере (онкология, чтение рентгеновских снимков и т.п.). Но есть и другие решения, предложенные независимыми исследователями. Одно из таких решений было создано учеными из Стэнфорда во главе с Эндрю Энджи, достаточно известным в своей сфере специалистом по искусственному интеллекту. Читать дальше →

Выбор редакции
06 июля, 11:32

Translate One2One: портативный синхронный переводчик на базе IBM Watson

Возможности когнитивной системы IBM Watson весьма велики (о том, что она собой представляет, можно почитать на Хабре). И эти возможности используют очень многие — это касается врачей, финансистов, юристов, страховщиков, горнодобывающих компаний и, конечно, ученых. Теперь когнитивная система начала работу и в качестве цифрового ассистента-переводчика. Речь идет о миниатюрной системе для синхронного перевода, которая получила название Translate One2One. Читать дальше →

05 июля, 08:01

Задушевный друг: почему чат-боты пока не поддерживают свободные беседы и почему это не нужно?

Сегодня более чем распространено мнение: боты несовершенны — ведь  с ними неинтересно общаться. Пока это не нужно: боты хорошо решают конкретные задачи

Выбор редакции
03 июля, 18:28

IBM Watson и кибербезопасность: как когнитивная система защищает ценные данные

По оценкам любых аналитиков, оОбъем генерации данных в компаниях постоянно растет. Кроме того, с каждым днем увеличивается и ценность этой информации. Корпоративный шпионаж существовал всегда, а с появлением компьютерных технологий он вышел на новый уровень. Поэтому для любой компании кибербезопасность — краеугольный камень собственного благополучия и процветания. Интересно, что в большинстве случаев проблема даже не сам взлом, а ликвидация его последствий – это долго, дорого, плюс негативно отражается на репутации компании. Примером можно считать проникновение ransomware в сеть компании — не так давно хостинг-провайдеру из Южной Кореи пришлось заплатить около 1 млн долларов США злоумышленникам за расшифровку своих данных и данных клиентов. Но в наше время $1 млн — это вовсе не предел. Избежать подобных проблем помогает когнитивная система IBM Watson, которую не первый год обучают премудростям информационной безопасности. Читать дальше →

Выбор редакции
02 июля, 17:32

Is IBM Watson A 'Joke'?

IBM wowed the world with Watson’s 2011 Jeopardy! win – but in the intervening years, IBM hasn’t released a new version of the platform. Instead of a dramatically improved ‘Watson 2.0,’ IBM has settled for ongoing, but limited improvements in the technology.

Выбор редакции
01 июля, 12:27

Отвечаем на вопросы читателей: что такое когнитивная система IBM Watson, и как она работает?

Александр Дмитриев Добрый день, Хабрахабр! Сегодня о том, что собой представляет когнитивная система Watson и как она работает расскажет Александр Дмитриев, бизнес-консультант Клиентского центра IBM в Москве. Он ответит на вопросы, которые возникали у читателей по прочтении других материалов на эту тему. Читать дальше →

06 октября 2015, 20:21

IBM создает подразделение для продвижения Watson

IBM сформировала подразделение под названием Cognitive Business Solutions, которое вплотную займется продвижением технологий искусственного интеллекта. Об этом пишет газета The Wall Street Journal.

03 сентября 2015, 11:34

Когнитивная система IBM Watson: принципы работы с естественным языком

IBM Watson — одна из первых когнитивных систем в мире. Эта система умеет очень многое, благодаря чему возможности Watson используются во многих сферах — от кулинарии до предсказания аварий в населенных пунктах. В общем-то, большинство возможностей Watson не являются чем-то уникальным, но в комплексе все эти возможности представляют собой весьма мощный инструмент для решения разнообразных вопросов. Например — распознавание естественного языка, динамическое обучение системы, построение и оценка гипотез. Все это позволило IBM Watson научиться давать прямые корректные ответы (с высокой степенью достоверности) на вопросы оператора. При этом когнитивная система умеет использовать для работы большие массивы глобальных неструктурированных данных, Big Data. Каковы основные принципы работы IBM Watson с языком? Об этом — в продолжении. Читать дальше →

07 августа 2015, 19:55

IBM покупает "глаза" для Watson за $1 млрд

Суперкомпьютер Watson получит способность видеть. Платформы Merge Healthcare, ведущего поставщика решений для обработки медицинских изображений, будут интегрированы с сервисами IBM Watson Health Cloud. Общая сумма сделки составит $1 млрд.

05 марта 2015, 20:57

Что общего между IBM и алхимией? Элементарно, Watson

Американская IBM купила компанию AlchemyAPI с целью усовершенствования своего суперкомпьютера Watson. Специалисты приобретенного актива займутся разработкой технологий Big Data. Сумма сделки не раскрывается.

05 марта 2015, 20:57

Что общего между IBM и алхимией? Элементарно, Watson

Американская IBM купила компанию AlchemyAPI с целью усовершенствования своего суперкомпьютера Watson. Специалисты приобретенного актива займутся разработкой технологий Big Data. Сумма сделки не раскрывается.

05 марта 2015, 20:57

Что общего между IBM и алхимией? Элементарно, Watson

Американская IBM купила компанию AlchemyAPI с целью усовершенствования своего суперкомпьютера Watson. Специалисты приобретенного актива займутся разработкой технологий Big Data. Сумма сделки не раскрывается.