Распознавание угрозы мало чем отличается от распознавания лица. Любая угроза имеет определенный устойчивый паттерн, который может быть выражен через набор числовых характеристик. Поскольку вопросы распознавания в решающей степени зависят от скорости и полноты вычислений, то ИИ как комбинаторная машина, позволяет распознавать угрозы намного быстрее и точнее, чем человек.
Правда, есть одно важное ограничение. ИИ способен распознавать лишь те угрозы, которые имели место в прошлом. Поскольку в основе распознавания лежит машинное обучение, то фактически ИИ на числовых массивах прошлого устанавливает профиль угрозы, а потом ищет этот профиль в поступающих информационных потоках.
До сих пор остается открытым вопрос, может ли человек распознавать угрозы, которых ранее не существовало. На этот счет имеются различные точки зрения. Большинство психологов занимают точку зрения, что человек способен к этому. В то же время специалисты когнитивных наук полагают, что нет принципиальной разницы между переработкой информации у машины и человека, и соответственно, человек не может решать задачи, которые не решает машина.
Авторы доклада Центра новой американской безопасности полагают, что человек обладает способностью к решению задача, не доступных, по крайней мере, в настоящее время. Например, человек способен изменить правила игры, в то время как ИИ всегда играет по правилам. Однако применительно к новым, ранее не существовавшим угрозам, на сегодняшний день не существует однозначного ответа на вопрос: способны ли люди распознавать угрозы, с которыми до этого никогда не сталкивались.
Создание ИИ носит феноменальный характер. Существует множество различных программноаппаратных комплексов, каждый из которых уникален, а потому феноменален. В отличие от персональных компьютеров, планшетов, смартфонов и т. п. ИИ носят единичный, в крайнем случае, мелкосерийный, но отнюдь не массовый характер. Если явление не носит массового характера, то оно не может быть описано количественно. Соответственно прогноз тенденций в области ИИ – это всегда качественный прогноз.
Другое дело, что отдельные аспекты этого качественного процесса могут иметь количественное выражение, типа знаменитого закона Мура[7], и тем самым служить ориентиром прогнозирования. При определении тенденции развития сложных явлений, в т. ч.