ИИ спасет мир, если ему помочь»

«ИИ спасет мир, если ему помочь» Борьба с голодом и болезнями, защита окружающей среды и устранение последствий ЧП - любой из процессов можно улучшить с помощью искусственного интеллекта. Аналитики уверены, что ИИ способен спасти мир, но прежде необходимо преодолеть несколько глобальных препятствий. Для чего нужен ИИ. Аналитики McKinsey изучили 160 случаев использования глубокого обучения с пользой для общества. В базу данных они включили сценарии применения ИИ в различных областях — от борьбы с насилием до искоренения голода. Наибольшей популярностью технология пользуется в сфере здравоохранения. На втором месте экология, а на третьем — устранение последствий ЧП. Реже всего ИИ используют для проверки данных — аналитики нашли всего четыре подобных примера. Эксперты признают, что пока алгоритмы не получили широкого распространения. Чаще всего их тестируют в экспериментальном режиме, а пилотные проекты не отличаются крупным масштабом. Несмотря на это, авторы отчета видят потенциал в технологии. По их мнению, искусственный интеллект может помочь ООН в выполнении стратегии устойчивого развития на ближайшие годы. В нее входит 24 пункта — от гендерного равенства до развития чистой энергетики.

Для каждой из целей, утверждают в McKinsey, уже есть готовые ИИ-решения. Авторы отчета также определили, какие именно системы искусственного интеллекта помогут сделать мир лучше. Большинство из них попадает в одну из четырех категорий: компьютерное зрение, обработка естественного языка, распознавание речи и аудиозаписей. Отдельно эксперты выделили обучение с подкреплением, генерирование контента и глубокое обучение со структурными моделями. Последняя методика поможет выявлять закономерности в больших массивах данных. Например, вычислять налоговых мошенников или систематизировать сведения о пациентах. Без контроля со стороны человека ИИ бесполезен. Однако алгоритмы смогут спасти мир, только если разработчики избавят их от несовершенств.

В McKinsey отмечают, что ИИ склонен делать предвзятые выводы и выносить несправедливые решения. Другая проблема систем на базе машинного обучения — это непрозрачность. Даже сами разработчики не всегда могут понять, почему машина делает тот или иной вывод на основе определенного набора данных. Проблемы приватности и безопасности также мешают внедрять ИИ в социально значимые отрасли. Впрочем, развитию ИИ в соцсекторе препятствуют и технические проблемы. Часто при создании алгоритмов специалистам не хватает нужной информации и у них нет доступа к необходимым базам данных. В некоторых случаях применить алгоритм для борьбы с климатическими изменениями или болезнями не удается из-за ограничений регуляторов.

Но есть и еще один негативный фактор — это нехватка специалистов. В половине из описанных аналитиками случаев при разработке решения нужны ведущие исследователи с ученой степенью в сфере машинного обучения. «Однако такие люди, а дефиците», — пишут авторы. На этапе разработки внедрение не останавливается. Часто компаниям или благотворительным организациям требуется «переводчик», который поможет настроить инструмент и корректно интерпретировать полученные с его помощью данные.

В целом эксперты полагают, что человек должен сопровождать ИИ на всех этапах работы и контролировать все процессы от начала и до конца. Ранее аналитики британского фонда инноваций Nesta пришли к аналогичным выводам в отношении беспилотников. Они считают, что задача дронов — это не зарабатывание денег, а работа на благо общества. На первом месте должны стоять разработки, несущие пользу обществу. Например, дроны-спасатели и беспилотные скорые помощи .

Курьерская доставка с помощью квадрокоптеров и другие коммерческие сценарии применения играют менее важную роль.