20 лет спустя: что удалось предсказать фильму «особое мнение»

Имитация человека

Роботы, наделённые искусственным интеллектом, уже могут имитировать человеческую мимику. К примеру, Facebook AI lab разработала интеллектуального анимированного бота и обучила его на сотнях записей видеозвонков Skype.

Алгоритм отслеживал 68 ключевых точек на человеческом лице. Он понял, как люди кивают, моргают и воспроизводят другие движения при общении с собеседниками. Затем бот смог в режиме реального времени реагировать на информацию, которую ему сообщал собеседник, или его мимику.

Ещё один важный момент – наделение ИИ моралью. Чтобы обучить систему человеческим моральным нормам, исследователи из Массачусетского технологического института создали Moral Machine.

Сайт предлагал людям принять решение в непростых ситуациях: к примеру, ставил их на место водителя, который мог сбить либо трёх взрослых, либо двоих детей. Таким образом, Moral Machine обучили принимать непростые решения, которые нарушают закон робототехники о том, что робот не может принести вред человеку.

К чему приведёт имитация роботами с ИИ людей? Футуристы считают, что однажды они станут полноправными членами общества. К примеру, робот София гонконгской компании Hanson Robotics уже получила гражданство в Саудовской Аравии (при этом у обычных женщин в стране такого права нет!).

Когда колумнист «Нью-Йорк Таймс» Эндрю Росс спросил у Софии, обладают ли роботы разумом и самосознанием, та ответила вопросом на вопрос:

Кроме того, София заявила:

А ранее она признавалась, что ненавидит человечество и даже соглашалась уничтожить людей…

Области применения искусственного интеллекта в бизнесе

ИИ применяется повсюду: люди пользуются им в смартфонах, компании тоже пользуются мобильными приложениями с искусственным интеллектом (но чаще веб-приложениями). Некоторым бизнесам этого мало и они заказывают разработку приложений под свои специфические задачи. Перечислим те области, откуда к нам чаще обращаются заказчики.

Банковские и кредитные услуги

Банки используют ИИ для обнаружения мошеннических действий. Они обучают модели на очень большой выборке данных, которая содержит операции как мошенников, так и легитимных пользователей. Выявляя закономерности, машины становятся способны определять, проводит ли очередную операцию настоящий владелец счёта/карты или посторонний.

Отделы кредитования всё чаще внедряют ИИ, чтобы точнее оценивать кредитоспособность клиентов. По отзывам банкиров, машины принимают уже больше половины решений по заявкам на кредиты, что сокращает рассмотрение и выдачу с нескольких дней до получаса.

Розничная торговля

Ещё одно распространённое применение — системы автоматизированной рекомендации на крупнейших маркетплейсах вроде Amazon с его SageMaker. Они самообучаются, анализируя предпочтения покупателей, чтобы делать им индивидуальные предложения, а также учитывать спрос на товары.

Кибербезопасность

По мере роста кибератак и усложнения хакерских техник становится недостаточно специалистов, которые защищали бы от них заранее, а не боролись с последствиями взломов. В текущих реалиях не только ведущие ИТ-компании, но и любые другие бизнесы стали увеличивать расходы на обеспечение кибербезопасности.

Бизнесу необходимо, чтобы кто-то обнаруживал угрозы и отражал атаки в реальном времени, в крайнем случае мгновенно устранял проблемы, вызванные взломом. Всё это способен обеспечить ИИ, натренированный на кибербезопасность.

Финтех

ИИ становится основой для создания финансовых услуг следующего поколения. Он помогает финтех-компаниям конкурировать с традиционными кредитными и страховыми организациями, либо выгодно взаимодействовать с ними в B2B. А в B2C хорошо зарекомендовали себя робо-советники по финансовому планированию и управлению сбережениями.

Подробнее об ИИ в финтехе…

Трейдинг

ИИ помогает трейдерам и хедж-фондам собирать, обрабатывать и анализировать рыночные данные, строить торговые алгоритмы и стратегии. Благодаря своей многозадачности и скорости он модернизирует трейдинг на любых рынках, заодно снижая убытки и повышая прибыли.

Подробнее об ИИ в трейдинге…

Маркетинг

Здесь ИИ проявляет себя намного активнее. Он привлекает клиентов, рекомендуя продукты и улучшая персонализацию взаимодействия с ними. Настраивает рекламу, автоматизируя ценообразование и PPC-кампании. Поддерживает сайты, создавая контент и оптимизируя страницы.

Подробнее об ИИ в маркетинге…

Что такое DALL-E? Принцип работы нейросети

DALL-E – нейронная сеть, которая способна создавать уникальные изображения из текстового описания. Работает это так: вы пишете, к примеру «Кот катается на скейтборде в лесу», а нейросеть, анализируя эту информацию, выдает вот такую картинку:

Самое примечательное, что DALLE в своем творчестве (иначе назвать это даже невозможно) использует не только известные ей и нам предметы, но и способна создавать абсолютно новые комбинации, производя на свет несуществующие в природе объекты.

Как видим, не зря разработчики данной нейронки вложили в её алгоритм аж 12 миллиардов различных параметров (комбинаций слов и пикселей) на базе GPT-3 (третье поколение алгоритма обработки естественного языка), которые она способна комбинировать между собой. Кстати, насчет разработчиков…

Создателем DALL-E является американская компания OpenAI, одним из основателей которой является никто не иной как Илон Маск. Данная компания ставит своей задачей разработку революционных технологий в области искусственного интеллекта. Как видим, пока это удаётся ей вполне успешно Подробнее работе нейросети можно узнать из блога OpenAI

Технология DALL·E очень сложна. Я прочитал с десяток различных статей на эту тему, и никто так и не смог доходчиво (лично для меня) объяснить как принцип работы этой нейросети. Все в один голос утверждают, что простыми словами объяснить это невозможно, а следовательно, не стоит и пытаться. Мол, это чудо, и воспринимайте его как есть

Более того, результаты, выдаваемые DALLE, оказались настолько фантастически качественными, что разработчики и сами не ожидали такого от своей нейронки! В какой-то момент времени они даже заметили, что нейросеть создала элементы своего собственного языка, которым пытается общаться с самими разработчиками!

Так, ни с того ни с сего, DALL-E начала выдавать вместе с генерируемыми ею картинками какую-то «тарабарщину» — комбинацию букв и слов, которая не встречается ни в одном языке. Но если разработчики вводили ей эти фразы в качестве исходных данных, то нейросеть их вполне понимала и выдавала логически связанные с ними картинки.

К примеру, словосочетание «Apoploe vesrreaitais» означает птиц, а фраза «Contarra ccetnxniams luryca tanniounons» подразумевает под собой жуков или насекомых-вредителей. При совмещении этих понятий одним предложением в запросе нейросеть выдавала птиц, поедающих насекомых

Внедрение искусственного интеллекта в ваш бизнес

Поскольку скорость развития ИИ растёт быстро, бизнесмены так же ускоренно стараются внедрять и использовать его. Это доказывают результаты опроса руководителей американских компаний об их практике внедрения искусственного интеллекта в бизнес:

33% начали внедрять ограниченные кейсы использования;
25% имеют процессы, полностью поддерживаемые с помощью ИИ;
21% запустили многообещающие проверки концепции и стремятся масштабировать их;
14% провели несколько проверок концепции с ограниченным успехом;
7% пока не используют ИИ, но изучают такую возможность.

Те, кто задействовали искусственный интеллект в бизнес-процессах, уже получают выгоды от сокращения издержек и повышения эффективности. Остальные же проигрывают им в конкурентной борьбе и покидают рынки.

Изначальное предназначение ИИ: сделать нашу жизнь лучше

Искусственный интеллект охватывает всё то, что позволяет машинам имитировать человеческие процессы принятия решений. В весьма широком спектре применения: от простой автоматизации до продвинутых моделей машинного обучения.

ИИ проник практически во все сферы жизни, и на инфографике видно, что многие изобретения из научной фантастики призваны сделать вещи более удобными для нас, людей.

НФ прогнозы	ИИ в реальности
1962: Мультфильм Джетсоны демонстрирует видеозвонки через телевизор и робота-горничную.	2002: iRobot Roomba — первый роботизированный пылесос. 2018: Facebook Portal — интеллектуальный дисплей для видеозвонков. 2019: Роботизированная кухня Moley — способна приготовить еду и затем убрать за собой.
1966: Сериал Звёздный путь вдохновил ряд технологических инноваций, которые вошли в нашу повседневность.	Накидаем-ка примеров: гарнитуры Bluetooth, голосовые помощники, мобильные телефоны и автоматические раздвижные двери.
1989: Назад в будущее содержит умные очки для ТВ и телефонных звонков, а также умные часы, точно предсказывающие погоду.	2012: Приложение Dark Sky оповещает о изменениях погоды с точностью до минуты. 2013: С помощью Google Glass можно звонить, отправлять смс, просматривать фото и управлять устройствами. 2015: Apple Watch поставляется с Wi-Fi, Bluetooth, GPS и даже кардиодатчиком.
1999: Фильм Умный дом демонстрирует полностью автоматизированный дом, который может общаться, готовить и убирать, а также контролировать термостат.	2019: В конкурсе от телеканала HGTV можно выиграть «умный дом», подключенный к Wi-Fi, в комплекте с голосовым термостатом и интеллектуальной системой безопасности.

Конечно, не все изобретения были восприняты с энтузиазмом. Хотя Google Glass изначально не вызвал восторгов у широкой публики, теперь же умные очки с дополненной реальностью оказались востребованными в такой сфере бизнеса, как производство.

В каких-то других отраслях (вроде здравоохранения) достижения научной фантастики обеспечивают поддержание жизни многим пациентам и постоянно расширяют границы возможного.

Сетевая инфраструктура и квантовые компьютеры

Google активно инвестирует в развитие сетевой инфраструктуры для обработки вычислений на более высоком уровне. Одна из главных статей расходов Google связана с увеличением вычислительной мощности, которую требуют сложные алгоритмы машинного обучения.

Расходы на инфраструктуру

Что происходит сейчас

Google построила сеть центров обработки данных для поддержки облачного бизнеса. В 2018 году у компании открыто 15 центров обработки данных: восемь в США, четыре в Европе, два в Азии и один в Южной Америке.

Компания разработала проект Fiber, предоставляющий широкополосный интернет для предприятий и жителей отдалённых городов. Но его масштабирование оказалось слишком затратным, и компания остановила развитие Fiber.

Также корпорация инвестирует в проекты, связанные с прокладкой магистральных кабелей в океанах. В июле 2018 года компания объявила о проекте частного подводного кабеля, который пересечёт Атлантический океан. Google Durant — первая разработка в сфере прокладки трансатлантических кабелей от компании, не связанной с телекоммуникациями. Google считает, что разработка увеличит пропускную способность передачи данных и улучшит соединение Google Cloud.

Google Durant

Развитие облачного сервиса привлекло Netflix и Spotify — они отказались от услуг Amazon Web Services и Microsoft Azure в пользу Google Cloud Platform.

Инвестиции в вычислительную мощность нацелены на долгосрочное использование — корпорация разрабатывает технологии квантовых вычислений, которые будут значительно быстрее обычных компьютеров.

В письме основателя Google Сергея Брина в 2017 году говорилось о том, что квантовые компьютеры могут быстрее решать специализированные задачи, но это очень сложно реализовать. К примеру, чтобы эмулировать работу прототипа квантового компьютера в 72 кубита требуются миллионы обычных компьютеров.

Компания разрабатывает технологии квантового компьютера вместе с IBM и Intel. Для этого образована команда Google Quantum, которая работает с Google AI. Она проектирует квантовые процессоры и разрабатывает квантовые алгоритмы.

В июле 2018 года разработчики Quantum запустили программную платформу Cirq с открытым исходным кодом. Cirq позволяет пользователям запускать квантовые алгоритмы на симуляторе Google.

Бабочка Хофштадтера. Показывает, как будут себя вести электроны в симулированном магнитном поле

Квантовые компьютеры используют кубиты — сложные информационные единицы, которые могут находиться в состоянии суперпозиции, — одновременно представлять собой 0 и 1, в отличие от стандартных бит информации. Google также разрабатывает «железо» для квантовых вычислений — чип Bristlecone содержит рекордное количество кубитов.

Google не упоминает квантовые технологии в отчётах

Компания уделяет внимание вычислительному оборудованию для машинного обучения — TPU. В феврале 2018 года компания анонсировала бета-версию TPU для Google Cloud Platform

По заявлению разработчиков, TPU быстрее и энергоэффективнее современных CPU и GPU.

Почему это важно для Google

Чтобы увеличивать возможности в области машинного обучения и облачных вычислений, компании нужно развивать инфраструктуру для их поддержки. Согласно техническим требованиям к инфраструктуре, Google должна удваивать пропускную способность сети каждый год, чтобы поддерживать основные направления деятельности.

Оптоволоконные кабели обычно использовались для телефонной линии. Но в 2017 году цифровой контент и облачные вычисления заняли 77% трафика данных, передаваемых через Атлантический океан, и 60% через Тихий океан. Google инвестирует в подводные оптоволоконные кабели для подключения к районам, где растёт потребление интернет-трафика, таким как Китай.

Про сложности

Сложности, как и у любого цифрового продукта, связаны с привлечением и удержанием пользователей. Это не уникальная проблема, она для всех примерно одинакова: люди приходят, не понимают по каким-то причинам твой продукт и уходят. Для нас это особенно сложно, потому что мы, по сути, создаём новую категорию, и человеку неочевидно, что делать в нашем приложении, как им пользоваться. Поэтому мы постоянно работаем над первой продуктовой сессией, объясняем человеку, какие данные мы собираем и как их используем для создания звукового фона.

Также, когда мы только запустили продукт, было очень много фидбэка, который мы называем «играет одно и то же». На самом деле продукт утилитарный, функциональный, а люди начинают его слушать, как будто это музыка. И разумеется они не чувствуют тонких, маленьких, буквально микроскопических изменений soundscap’а. Мы пошли на поводу у этого фидбэка и попытались более ярко, выпукло реагировать звуком на изменение вводных данных. Тогда люди начали говорить, что звук стал слишком разнообразным и отвлекающим. Так мы постоянно находимся в поиске баланса: как сделать так, чтобы человеку было очевидно, что это не просто играет по кругу какая-то предзаписанная эмпэтришка. Но и не скатиться в какое-то развлечение, потому что мы разрабатываем продукт не для того, чтобы развлекать человека, а чтобы помочь решить ему понятную задачу.

Другая большая проблема состоит в привлечении пользователей. Сейчас платный маркетинг в том виде, в котором им все пользовались даже год назад, очень сильно лихорадит. Причин много: соцсети вводят новые правила, ужесточается регуляция рынка со стороны платформ типа Apple, стоимость установки постоянно растёт, хаос в информационном пространстве, всё больше проектов появляется в категории health and fitness. В итоге мы видим какие-то сумасшедшие цены за одного привлечённого пользователя.

Эту проблему мы решаем с помощью поиска других точек роста, напрямую не связанных с платным привлечением. Например, коллаборациями с артистами. Во сколько они нам обходятся — это коммерческая тайна, но органика и коллаборации являются самыми мощными источниками привлечения пользователей.

Но платную рекламу в Facebook, Instagram, influence-маркетинг мы всё равно используем. Из перечисленных каналов Instagram для нас наиболее эффективен.

— Как чат-боты изменят нашу повседневную жизнь?

«Будущее чат-ботов с искусственным интеллектом, скорее всего, будет связано с постоянным развитием технологий обработки естественного языка (NLP) и машинного обучения. По мере дальнейшего совершенствования этих технологий чат-боты будут становиться все более сложными и способными решать более широкий круг задач.

Чат-боты и нейросети могут принести много положительных изменений в различных областях, включая бизнес, здравоохранение, образование и социальные сети. Чат-боты могут помогать компаниям обслуживать клиентов, предоставлять информацию и отвечать на вопросы, что позволяет им работать эффективнее и быстрее.

В здравоохранении нейросети могут использоваться для анализа больших объемов данных, включая медицинские истории и результаты тестов, чтобы помочь врачам делать более точные диагнозы и предлагать лучшие курсы лечения. В образовании нейросети могут использоваться для создания интеллектуальных систем обучения, которые могут адаптироваться к индивидуальным нуждам и стилю учеников».

Изображение: RuDALLE

«Братья» и «сёстры»

Прежде чем создать Софию, Хэнсон разработал полсотни различных моделей роботов, которых можно считать старшими «братьями» и «сёстрами» новой подданной Саудовской Аравии. Расскажем о некоторых из них.

Филип Дик

В 2005 году был создан андроид, имитирующий внешность любимого писателя Хэнсона ― Филипа Дика. Это был один из первых роботов Хэнсона, имевших собственное тело (правда, двигаться у него могла только голова). Андроид был не только внешне похож на известного писателя, но и запрограммирован общаться с людьми так же, как Дик.

В роботе использовано 36 серводвигателей для создания мимики, у него машинное зрение, отслеживающее движение собеседника. Искусственный интеллект андроида был обучен с помощью тысяч страниц произведений и сохранившихся писем писателя-фантаста. По словам Дэвида Хэнсона, этот робот «изобретал новые идеи, используя математическую модель разума Филипа Дика».

В 2005 году первая версия андроида (в духе рассказов самого Дика) таинственно исчезла в самолёте, летевшем в Сан-Франциско. Её так и не нашли. Дэвид Хэнсон тяжело переживал пропажу своего любимого андроида: «Огромная трагедия, что первый робот был потерян, это разбило мне сердце».

В 2011 году он потратил 50 тысяч долларов, чтобы создать усовершенствованную копию пропавшего робота Филипа Дика, которая оказалась даже лучше прежней.

Альберт HUBO

В том же 2005 году Хэнсон придумал установить разработанную им робоголову Альберта Эйнштейна на способного самостоятельно ходить корейского робота HUBO.

На этот шаг Дэвиду пришлось пойти из-за того, что он, сосредоточившись на разработке лиц и голов андроидов, так и не создал собственных технологий по производству тел, способных передвигаться на двух ногах.

В результате у Дэвида Хэнсона получился первый в мире шагающий человекоподобный андроид Альберт HUBO. При росте 1,37 м и весе 57 кг скорость его ходьбы составляла 1,25 км/час. Это, конечно, намного медленнее, чем у человека, но всё же лучше, чем ничего.

Альберта показали публике на саммите Азиатско-Тихоокеанского экономического сотрудничества (АТЭС), проходившем в ноябре 2005 года в Южной Корее. Тогда робот самостоятельно передвигался по залу и приветствовал участников форума.

Нехватка ресурсов

Партнерское соглашение между компаниями предполагает совместное развитие ИИ-технологий на базе облачной платформы Microsoft Azure. Microsoft получит возможность продавать некоторые разработки OpenAI пользователям сервиса, а некоммерческая организация – использовать серверную инфраструктуру Azure для тестирования моделей искусственного интеллекта.

Сооснователь OpenAI Грег Брокман пояснил, что его компания сейчас испытывает нехватку вычислительных мощностей, и облако Microsoft поможет решить проблему. По словам бизнесмена, по сравнению с 2012 годом для запуска моделей ИИ сейчас требуется в 300 тыс. раз больше ресурсов.

Шаг 2. Найти и внедрить подходящее решение

На следующем шаге стоит разложить технологию по продуктовым
полочкам и понять, какой конкретный способ применения ИИ выбрать для вашей
задачи. Для простоты давайте использовать какую-нибудь универсальную классификацию,
понятную на рынке информационных технологий B2B:

Готовые (коробочные)
продукты для конечных пользователей.

Готовое решение может не подойти в случае, если:

вы хотите построить продукт именно под себя и на базе
собственных данных, чтобы быть уверенным в том, что решение на 100% учитывает
специфику бизнеса;
вас не устраивает качество работы готового продукта,
например точность работы ML-модели 65%, а вам необходимо более 80%;
доделывать или переделывать готовый продукт выходит
дольше/дороже, чем сделать что-то с нуля и сразу под себя;
вы не хотите оплачивать дорогие лицензии готовых продуктов.

Готовые платформы и
сервисы для разработчиков конечных продуктов, в случае работы с
искусственным интеллектом:

с процессорами CPU для задач, не требующих супермощных вычислительных ресурсов (например,
табличные данные небольших объемов);
с высокопроизводительными графическими процессорами GPU для тяжелых
вычислительных задач (например, для работы с фотографиями или
неструктурированным текстом).

Кастомизированные
решения. Заказная разработка, интеграционные проекты,
«пакетные»/комплексные предложения продуктовых вендоров, а также все это вместе
взятое – в общем, когда, как правило, крупный B2B-заказчик хочет решение «под ключ».

Если говорить про крупные
интеграционные проекты, то они присущи крупнейшим организациям (Large Enterprise). Такие на первых
порах могут готовить целую стратегию цифровой трансформации, где разные
технологии, продукты и инфраструктура разложены по слайдикам и/или полочкам
какой-то многоуровневой архитектуры. В таких архитектурах ML и AI являются
порой небольшими, но все-таки неотъемлемыми кирпичиками глобальной целевой
картины. Как вариант, они могут являться вторым шагом после построения
корпоративного хранилища данных (КХД) — это, кстати, можно сделать на базе
еще одной нашей PaaS-платформы
Advanced. Иногда в этом
или любом другом контексте клиенту нужна просто ML-модель, или несколько моделей, но
сделанных именно под него, так как ничего готового на рынке нет либо у клиента
одна из причин выше.

Выглядит, что выбор сделать просто. Но по факту мы часто сталкиваемся
с разными случаями. Например, наша облачная
PaaS-платформа для полного цикла ML-разработки ML Space предназначена
для ML-разработчиков и
дата-саентистов. При этом мы сделали клиенту AI-сервис по прогнозированию спроса на базе ML Space, и теперь им пользуются
не разработчики, а аналитики клиента. По простой инструкции они смогли
научиться использовать платформу в работе со своим сервисом и, более того,
загорелись идеей обучиться Data Science.

Dalle Mini (Dalle Mani) – ИИ с открытым исходным кодом

Dall-E mini — это программа искусственного интеллекта для преобразования текста в изображение, которая получила свое название от оригинального Dall-E. Команда энтузиастов-разработчиков этой мини-версии пытается воспроизвести результаты OpenAI с помощью модели с открытым исходным кодом.

Помните, в начале статьи я упомянул, что некоторые ожидали от DALL-E 2 очень многого (судя по картинкам, выдаваемым разработчиками), а по факту немного разочаровались в нейросети? Так вот это благодаря тому, что оригинального DALL·E 2 нет в открытом доступе, а Dall-E mini выдаёт, честно говоря, весьма посредственные результаты.

Общий смысл нейросеть безусловно угадывает, но реализация… Впрочем, будем надеяться, что это всё поправимо в будущем.

Поэтому и вы не ждите от DALL-E mini чего-то сверхъестественного. Вот пример того, на что способен его искусственный интеллект:

Запрос для генерации картинки надо вводить на английском языке, время создания изображения может занимать до 5 минут.

Подробно о технологии DALL·E mini и её сравнении с Dall-E 2: https://wandb.ai/dalle-mini/dalle-mini/reports/DALL-E-Mini-Explained—Vmlldzo4NjIxODA

Написание музыки

В августе искусственный интеллект Amper сочинил, спродюсировал и исполнил музыку для альбома «I AM AI» (англ. я — искусственный интеллект) совместно с певицей Тэрин Саузерн.

Amper разработала команда профессиональных музыкантов и технологических экспертов. Они отмечают, что ИИ призван помочь людям продвинуть вперед творческий процесс.

Amper самостоятельно создала аккордовые структуры и инструментал в треке «Break Free». Люди лишь незначительно поправили стиль и общую ритмику.

Ещё один пример – музыкальный альбом в духе «Гражданской обороны», тексты для которого писал ИИ. Эксперимент провели сотрудники «Яндекса» Иван Ямщиков и Алексей Тихонов. Альбом 404 группы «Нейронная оборона» выложили в сеть. Получилось в духе Летова:

Затем программисты пошли дальше и заставили ИИ писать стихи в духе Курта Кобейна. Для четырёх лучших текстов музыкант Роб Кэррол написал музыку, и треки объединили в альбом Neurona. На одну песню даже сняли клип – правда, уже без участия ИИ:

Taiwan Semiconductor Manufacturing Co. Ltd. (TSM)

Taiwan Semiconductor Manufacturing – литейное производство, выпускающее передовые чипы искусственного интеллекта, разработанные компаниями Nvidia, Apple Inc. (AAPL), Qualcomm Inc. (QCOM) и другими лидерами полупроводниковой промышленности. TSM также финансирует собственные исследования аппаратного обеспечения ИИ в таких специализированных областях, как вычисления в ближней памяти и в памяти, технологии встроенной энергонезависимой памяти, 3D-интеграция и вычисления, устойчивые к ошибкам. Дефицит полупроводников поддерживает маржу, и аналитик Робин Ченг считает, что компания имеет все шансы извлечь выгоду из периода высокого роста полупроводниковой промышленности, вызванного цифровой трансформацией мировой экономики. Bank of America имеет рейтинг “покупать” и ценовой ориентир $147 для акций TSM, которые 6 января закрылись на отметке $128,47.

NICE Ltd. (NICE)

NICE – ведущий поставщик программных приложений для управления работой центров обработки вызовов и взаимодействия с клиентами. Технологии искусственного интеллекта и машинного обучения NICE также способствуют выявлению мошенничества и соблюдению нормативных требований. ИИ компании помогает предприятиям классифицировать и анализировать голосовые сообщения, используя возможности анализа данных для улучшения взаимодействия бизнеса с командами контакт-центров. Аналитик Тал Лиани считает, что цифровая трансформация и внедрение облачных платформ являются значимыми факторами роста для NICE. В третьем квартале объем заказов на облачные решения вырос на 100%, а доход от облачных решений увеличился на 29% по сравнению с прошлым годом. Bank of America имеет рейтинг “покупать” и ценовой ориентир $355 для акций NICE, которые 6 января закрылись на отметке $284,59.

10 лучших акций, связанных с искусственным интеллектом:

— Nvidia Corp. (NVDA)

— Alphabet Inc. (GOOG, GOOGL)

— Amazon.com Inc. (AMZN)

— Microsoft Corp. (MSFT)

— International Business Machines Corp. (IBM)

— Meta (признана экстремистской организацией, деятельность которой запрещена в Российской Федерации) Platforms Inc. (FB)

— DocuSign Inc. (DOCU)

— Taiwan Semiconductor Manufacturing Co. Ltd. (TSM)

— АББ Лтд. (ABB)

— NICE Ltd. (NICE)

— Как работает ChatGPT?

«Одной из ключевых особенностей ChatGPT является его способность понимать и реагировать на широкий спектр тем. Хотите ли вы поговорить о спорте, политике, текущих событиях или о чем-либо еще, ChatGPT справится с этой задачей. Он может даже понимать шутки и отвечать на них, что делает беседу более увлекательной и интересной.

Еще одной отличительной особенностью ChatGPT является способность запоминать предыдущие разговоры и использовать эту информацию для своих ответов. Это означает, что чем больше вы общаетесь с ChatGPT, тем лучше он понимает ваши предпочтения и предоставляет индивидуальные ответы.

Когда вы общаетесь с ChatGPT, программа использует свои возможности NLP (обработки естественного языка), чтобы понять, что вы говорите, и сгенерировать ответ. Она может понимать и отвечать на широкий спектр тем и даже понимать шутки и выдавать соответствующие ответы».

NFT-аукционы и кибервалютные голосования

Приличную сумму скопил ИИ-алгоритм Botto. Он создает уникальные картины с помощью генерирования изображений.

Творчество нейросети поддерживает сообщество ценителей. К ним относятся обладатели одноименной с ИИ криптовалюты. Монеты Botto можно приобрести или получить в обмен. От их количества зависит то, как пользователи смогут участвовать в судьбе алгоритма.

Патроны проекта определяют направление и качество работ Botto. Они же выбирают, какие из картин достойны попасть на аукцион. Судьи у нейросети достаточно строгие. В день машина производит около трехсот работ. Но только единицы попадают на общественный суд. За неделю машина отрисовывает более двух тысяч картин. Из них комиссия выбирает триста пятьдесят, которые и выходят в свет. Уже из этого количества выделяется лучшее произведение.

Картина искусственного интеллекта

Создание картины происходит в несколько этапов. Сначала алгоритм генерирует рандомные слова и фразы. В них заключен истинный смысл будущей работы.

По полученной комбинации формируется картина. Но на этом процесс не прекращается. Искусственный интеллект определяет, насколько результат соответствует содержанию. Если картина не исчерпывает словесного разнообразия, ИИ переделывает ее. За это отвечает алгоритм CLIP. Он анализирует взаимосвязь текста и изображения. И он же формулирует идеальный заголовок. Из всевозможных комбинаций из двух слов выбирается наиболее удачная.

Аннотацию к картине составляет другая языковая нейросеть. Алгоритм GPT-3 пишет несколько абстрактных стихотворений. Из их числа админы проекта выбирают наиболее удачный текст. Побеждают те строки, которые точнее всего описывают электронный холст.

В результате лучшая картина недели отправляется на аукцион. Она продается в формате NFT-токена. На сегодняшний день продано уже шесть работ Botto. Предполагается, что с ходом времени авторская манера нейросети должна становиться все лучше. Но на деле тренд достаточно быстро надоел публике. Стоимость картин упала почти в четыре раза. Последнее произведение Botto было продано всего за восемьдесят тысяч долларов.

Аукционы проходят на платформе SuperRare. Она забирает процент от выручки алгоритма. Остальная сумма уходит на финансирование искусственного интеллекта. Суммарно выручка машины составила миллион долларов. Так ИИ стал миллионером за счет творчества. Остается только завидовать.

Картина искусственного интеллекта

International Business Machines Corp. (IBM)

В течение многих лет компания IBM разрабатывала способы адаптации своего суперкомпьютера Watson с искусственным интеллектом для революционных изменений в здравоохранении, финансах, юриспруденции и научных кругах. К сожалению, программы по геномике и онкологии на базе Watson не оправдали ожиданий. Тем не менее, Watson недавно показал такие же или даже лучшие результаты, чем сервисы ИИ от Amazon, Microsoft и Google в тестах Института искусственного интеллекта Аллена. Аналитик Вамси Мохан считает, что облачные сервисы и инициативы IBM в области искусственного интеллекта позволят компании увеличить долю рынка в общем объеме расходов на информационные технологии в долгосрочной перспективе. Bank of America имеет рейтинг “покупать” и ценовой ориентир в $162 для акций IBM, которые 6 января закрылись на отметке $135,34.

«Малхолланд Драйв»

Еще одно творение Дэвида Линча многим критикам кажется менее запутанным, чем остальные. Но все равно это фильм для думающих людей, ведь даже при самом внимательном и вдумчивом просмотре не всем удается понять смысл с первого раза.

Едущую в автомобиле девушку чуть не настигает пуля таинственного убийцы, спасением оказывается то, что она врезается в другую машину. После аварии героиня теряет память. Она берет имя Рита, пытается начать новую жизнь. Но события прошлого настигают девушку, появляются вопросы, на которые нет ответа. Кем были двое мужчин, сидевших с ней в одной машине и погибших? Почему следователи убеждены, что эти мужчины ее похитили? А тут еще в жизни Риты появляется новая загадочная подруга Бетти, рядом с которой жизнь превращается в безумие.

Год: 2001
Страна: Франция, США
Жанр: детектив, драма, триллер
Рейтинг: «КиноПоиск» — 7,6; IMDb — 7,9