Еще один прорыв произошел в середине 2000-х годов, когда Nvidia представила свои новые графические процессоры. Впервые компьютеры стали достаточно мощными для обработки больших наборов данных и построения сложной архитектуры нейронной сети для широкого круга прикладных задач. Именно в этот период началось бурное использование «глубинного обучения».

Термин «машинное чтение» был впервые введен в 2006 году для описания автоматического распознавания текста. Год спустя исследователи Стэнфордского университета, США, создали ImageNet, аннотированную базу данных для распознавания визуальных объектов. Эти нововведения помогли внедрить такие технологии, как компьютерное зрение, распознавание речи и машинный перевод.

С 2010 года технологические достижения в области аппаратного и программного обеспечения прокладывают путь для повседневного использования искусственного интеллекта. Мощные процессоры и видеокарты в компьютерах, смартфонах и на планшетах позволили широкому кругу пользователей иметь постоянный доступ к программам ИИ. Например, Microsoft выпустила Kinect для Xbox 360 – первое игровое устройство, отслеживающее движение тела с помощью 3D-камеры и инфракрасного датчика.

В 2011 году Apple представила свой голосовой помощник Siri. В 2014 году Microsoft запустила Cortana, а в 2015 году Amazon презентовала Amazon Echo и его голосовой сервис Alexa. Эти виртуальные помощники использовали интерфейс на естественном языке, чтобы наблюдать, отвечать и делать выводы и рекомендации для своих пользователей.

Помощники оказались невероятно умными. В 2011 году компьютерная программа Watson участвовала в телевизионной викторине в США в форме анимированного экранного символа и выиграла у игроков-эрудитов. При этом Watson доказала, что умеет понимать естественный язык и способна быстро отвечать на сложные вопросы («History of Artificial Intelligence», 2018).

В 2012 году исследователи Google обучили большую нейронную сеть из 16 000 процессоров распознавать изображения кошек, показывая 10 миллионов немаркированных изображений из видео в YouTube. В 2016 году разработка AlphaGo от Google DeepMind одержала победу над Ли Седолем, одним из лучших в мире профессионалов игры в го, со счетом 4:1 (Borowiec, 2016). До начала матча считалось, что ни один компьютерный продукт не сможет обыграть гроссмейстера такого высокого уровня. И все же это случилось. Победа еще раз подтвердила превосходство искусственного интеллекта над людьми.

В 2018 году IBM провела дебаты между человеком и ИИ под названием Project Debater. У обеих сторон было всего 15 минут, чтобы подготовиться к теме. Машина не только внимательно выслушала аргументы эксперта-человека, но и убедительно отреагировала на такие новые для нее темы, как телемедицина и субсидии для космических программ. Еще одним важным шагом на пути обучения ИИ владению человеческим языком и разумом стало то, что искусственный мозг Project Debater смог процитировать источники и даже пару раз удачно пошутил, обыгрывая темы докладов («Think», 2019).

В 2018 году на своей конференции Google продемонстрировал, как виртуальный помощник Google Duplex может позвонить в офис и назначить встречу от вашего имени. Администраторы на другом конце линии даже не заподозрили, что разговаривают с роботом (Leviathan, 2018).

Наконец, о прогрессе в робототехнике. Роботы Boston Dynamics [11] (SpotMini, Handle и Atlas) научились бегать, прыгать, делать сальто и даже заниматься паркуром. А гуманоидные роботы София и Хэн (Hanson Robotics [12] ) не только выглядят как люди, но и способны разговаривать и воспринимать эмоции. Взаимодействуя друг с другом через облачное хранилище, они постоянно совершенствуются и приобретают новые навыки.

Кто-то может сказать, что эти роботы – глупые машины, неспособные к многозадачности, остающейся прерогативой человека. В конце концов, мы разработали их, а не наоборот. Однако человеческие возможности остаются ограниченными, в то время как искусственный интеллект постоянно развивается. То, что он превзойдет нас рано или поздно, всего лишь вопрос времени.

Какой механизм лежит в основе безграничных возможностей ИИ? Когда машины достигнут уровня человеческого интеллекта, наступит эра общего искусственного интеллекта (Artificial General Intelligence), в которой искусственный интеллект сможет воспроизвести интуитивные способности человека в решении проблем и станет способным к научным открытиям. Машины будущего смогут запоминать каждый ввод данных и каждый установленный шаблон. Добавьте к этому их способность быстро обрабатывать огромные объемы информации. Вечная память огромных массивов данных позволит машинам определять шаблоны и делать выводы способами, недоступными большинству обычных людей. При этом общий ИИ будет достаточно автономным, чтобы самостоятельно реагировать на проблемы, возникающие в окружающей среде.

В конечном счете наступит эра, когда искусственный интеллект значительно превзойдет наш собственный, он научится совершенствовать сам себя, расширяя возможности по экспоненте. По мнению генерального директора SoftBank Масаёши Сона, эта новая эпоха интеллектуальных машин, превосходящих людей по количеству и умственным способностям, наступит до 2047 года (Shead, 2018).

Ученый и автор концепции сингулярности Вернор Виндж предсказывает, что благодаря самообучению искусственный интеллект однажды превзойдет человеческий интеллект и станет непостижимым для человека. Каждый, кто так или иначе связан с ИИ, верит, что сингулярность неизбежна. Вопрос лишь в том, когда это произойдет. Наступление сингулярности станет кульминацией научной революции, и это может произойти уже в этом столетии.

Человеческий мозг обладает множеством интересных свойств. В нем предположительно насчитывается около ста миллиардов нервных клеток, и мозг может выполнять 200 триллионов операций в секунду. Или даже быстрее. По словам профессора по информатике и робототехнике при университете Карнеги-Меллон Раджа Рэдди [13] , в таких областях, как зрение, речь и двигательные процессы, «он более мощный, чем 1 000 суперкомпьютеров; однако для простых задач, таких как умножение, он менее мощный, чем четырехбитный микропроцессор» (Reddy, 1996). Процессы обработки, происходящие в человеческом мозге, не требуют больших сознательных усилий со стороны людей, и машинам очень трудно их имитировать.