Конечно, создавая новое, мы неизбежно разрушаем имеющееся. Но все же человечеству всегда удается создать нечто чуть больше и чуть лучше, чем то, что оно разрушило. Этот небольшой перевес и есть цивилизация.
1.4. Какой будет глобальная сеть через 30 лет? Пока довольно большая часть цифрового мира закрыта для поисковиков. В будущем гиперссылки дотянутся до любого контента. Они соединят даже физические объекты. Мы сможем через интернет искать, например, вещи в своей комнате. Сеть станет постоянным присутствием, фоном нашей жизни, незаметным, но необходимым, как электричество.
2. Развитие искусственного интеллекта
2.1. Мир изменит повсеместное распространение дешевого и доступного искусственного интеллекта. Первым настоящим ИИ станет сеть, состоящая из миллиардов чипов. Любое устройство или человек, присоединившись к этой сети, сможет пользоваться ее интеллектом и одновременно обогащать его собственным умственным потенциалом и опытом. ИИ будет постоянно обучаться и станет дополнением человеческого разума: мы сможем его использовать по мере надобности, как свой собственный.
2.2. Любую вещь можно сделать «умнее», встроив в нее чип и при помощи облачных технологий соединив с глобальным искусственным интеллектом.
Умные вещи сами выберут режим стирки; умные игрушки смогут общаться с ребенком и станут больше похожи на домашних любимцев; умные датчики смогут 24 часа в сутки контролировать состояние больного и подбирать индивидуальное лечение и т. д.
Подобным образом изменился мир с появлением электричества. Все, что раньше было обычным, стало электрическим, причем для изобретения прибора электричество не нужно было производить самому. Теперь привычные вещи можно переизобрести, соединив их с искусственным интеллектом.
2.3. В середине 2000 сошлись воедино три фактора, существенно приблизивших появление ИИ: 1) ученые научились делегировать вычисления графическим процессорам, что на порядок ускорило процесс обучения; 2) были накоплены большие массивы данных, без которых обучение больших сетей не имело смысла; 3) были разработаны эффективные коды глубинного обучения, при которых сотни миллионов элементов нейронной сети организуются в пакетированные слои и обучаются по отдельности.
Глубокое обучение (глубинное обучение) – совокупность методов машинного обучения, основанных на обучении представлениям, а не на специализированных алгоритмах, разработанных для конкретных задач.