Что такое искусственный интеллект и как работает ии?

«Введение в искусственный интеллект» от ТГУ

Продолжительность курса: 4 недели = 1–2 часа в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Программа обучения:

Завлечение.
О технологиях ИИ.
Будущее уже рядом.

Чему научитесь:

Ориентироваться в современных технологиях искусственного интеллекта

Автор курса

Роман Душкин

Instagram: instagram.com/roman.dushkin

Эксперт в области систем искусственного интеллекта
Создатель действующей системы поддержки принятия решений в МЧС для реагирования на различные катастрофы
Состоит в Российской Ассоциации Искусственного Интеллекта
Автор 20 книг по искусственному интеллекту, математике, квантовым вычислениям и функциональному программированию

«Machine Learning Foundations: A Case Study Approach» от Вашингтонского университета

Продолжительность курса: 6 недель = 3–4 часа в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Программа обучения:

Введение.
Регрессия: прогнозирование цен на жильё.
Классификация: анализ настроений.
Кластеризация и аналогия: получение документов.
Рекомендательная система.
Глубокое обучение: поиск изображений. Последние штрихи.

Что узнаете и чему научитесь:

Программировать на Python
Основы машинного обучения
Применять регрессию, классификацию, кластеризацию, поиск, рекомендательные системы и глубокое обучение
Проектировать приложения, в основе которых лежит машинное обучение

Автоматизированный транспорт

Мы свидетели появления автоматического вождения. Да, безопасность ещё требует присутствия человека в салоне, но индустрия растёт и развивается дальше. А теория и практика показывают, что у беспилотных машин много перспектив – робот ошибается реже, чем человек, а значит, его вождение практичнее. Будущее искусственного интеллекта в первую очередь ассоциируют именно с транспортом, который работает на автопилоте.

Пионером отрасли стал Google, специальное отделение которого провалило задачу по роботизированным машинам в 2005 году. Спустя пять лет те же разработчики создали Waymo и попробовали ещё – дело пошло, а интерес к этим технологиям охватил весь мир.

В последние 10 лет в сфере беспилотного автопрома активны все крупные автомобильные и технологические игроки:

• BMW удалось сделать большой рывок благодаря запуску гибридных моделей i3 и i8 в 2013-2014 годах.

• Tesla продвигает сразу два технологических продукта в одном: Помимо обычных электрокаров Tesla, в начале 2018 года Маск презентовал самоуправляемую фуру Tesla Semi.

• Nissan разрабатывает беспилотные автомобили совместно с Renault, возлагая большие надежды на электромобили Leaf.

• Яндекс.Taxi использует беспилотники в Сколково, а недавно сообщил о запуске первого подобного такси в Европе.

• «Камаз» не отстаёт от тенденции и совместно с Cognitive Technologies проектирует свой «умный» грузовик на базе Камаз 5350.

Автомобили – не единственный вид транспорта, который меняет роботизация, но один из самых сложных. Существуют и беспилотные поезда, которые работают на земле и под ней. В ближайшие годы планируется их старт в московском метрополитене. Поезда даже проще «подружить» друг с другом. Их транспортная сеть работает по графику и имеет мало участников движения.

«Машинное обучение и анализ данных» от МФТИ совместно с «Яндексом»

Продолжительность курса: 7 месяцев = 8 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Программа обучения:

Математика и Python для анализа данных.
Обучение на размеченных данных.
Поиск структуры в данных.
Построение выводов по данным.
Прикладные задачи анализа данных.
Анализ данных: финальный проект.

Что узнаете и чему научитесь:

Программировать на Python
Пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач
Работать с большим массивом данных
Строить рекомендательную систему, оценивать эмоциональную окраску текста, прогнозировать спрос на товар, оценивать вероятность клика по рекламе
Как создать собственную систему, которая будет решать актуальные бизнес-задачи

Авторы курса

Евгений Рябенко

Facebook:

Бывший доцент «Высшей школы экономики» и Московского физико-технического института
Имеет 10-летний опыт работы в области науки о данных
Преподавал прикладную статистику в МГУ, Школе анализа данных «Яндекса» и Harbour.Space University в Барселоне

Виктор Кантор

Instagram: instagram.com/victor.kantor

Эксперт по машинному обучению
Chief Data Scientist компании «МТС»
Победитель рейтинга Forbes «30 до 30» (2020)

Эмили Драл

Facebook: Instagram: instagram.com/emeli.dral/Twitter:

Главный специалист по обработке данных в Mechanica AI
Руководила исследовательской группой Yandex Data Factory
Обучила в Coursera более 140 тысяч человек

Константин Воронцов

Профессор факультета компьютерных наук НИУ «ВШЭ»
Разработал один из наиболее популярных в России курсов по машинному обучению, который сейчас читает в Школе анализа данных «Яндекса»
Обучил в Coursera более 100 тысяч человек

Антон Слесарев

Руководитель группы распознавания образов в «Яндексе»
Обучил в Coursera более 10 тысяч человек

ИИ в медицине. Диагностика

Созданы программы на основе ИИ, способные диагностировать заболевания по КТ (компьютерной томографии) и МРТ (магнитно-резонансной томографии) и другим снимкам. Такой ИИ обучается на базе больших данных. То есть ему нужно просмотреть огромное количество снимков разных людей. Для этого многие больницы и медицинские центры предоставляют обезличенные снимки своих пациентов. В результате ИИ показывает прекрасные результаты. Он накапливает опыт, превышающий опыт самых лучших специалистов. Он не устаёт и, соответственно, не способен ошибиться из-за человеческого фактора. Ведь врачебная ошибка не такая уж и редкость. Усталость, семейные неурядицы, эмоциональный дисбаланс – всё это негативно сказывается на способности к концентрации вимания.

Например, по статистике, приведённой академиком А. Г. Чучалиным в докладе на II Национальном конгрессе терапевтов, каждый третий диагноз, который ставят российские врачи, неверен. В Соединенных Штатах Америки в 2015 году 10% смертей пациентов произошло по причине постановки неправильного диагноза и врачебных ошибок.

ИИ на базе Deep Mind Health от Google определяет ранние стадии таких заболеваний как диабетическая ретинопатия и возрастная дегенерация желтого пятна, анализируя цифровое сканирование глазного дна. Эти сканы довольно сложные и занимают много времени у профессионала-офтальмолога для их анализа и постановки диагноза. Обученный на миллионах анонимных снимков ИИ делает это быстрее и лучше врача. Более того, раннее обнаружение отклонений позволяет сохранить зрение и предотвратить болезнь.

Google Health создали приложение – мобильный медицинский помощник Streams. Это приложение проверяет анализы и снимки пациентов. В случае обнаружения тревожных симптомов моментально информирует лечащего врача и предлагает оптимальное лечение, экономя до несколько часов в день каждому специалисту на этой кропотливой, ответственной и рутинной задаче. Streams способен с большой точностью предсказать риск острой почечной недостаточности за 48 часов до её наступления. А это значит, что он спасает жизнь и здоровье людей

Немаловажно также отметить, что благодаря таким оперативным превентивным действиям значительно экономятся затраты на лечение как для пациентов, так и для госпиталей

В Камбридже и Массачусетсе PathAI помогает специалистам в постановке диагноза рака.

Компания LUX AI разработала QTrobot для работы с детьми, страдающими синдромом аутизма

Как известно такие дети испытывают трудности в социальном общении, обучении, им крайне трудно сосредотачивать своё внимание на чём-либо. Работа с детьми-аутистами трудоёмка и времязатратна

QTrobot показал хорошие результаты. Дети задерживали на нём внимание в 2 раза дольше, чем на человеке-терапевте. Обычный человек в общении может показывать частую смену эмоций, интонаций голоса, жестикулирование, что приводит ребёнка-аутиста в состояние дискомфорта. QTrobot в общении не меняет часто выражение лица и более стабилен, что позволяет детям не отвлекаться и чувствовать себя непринуждённо. Соответственно усвоение учебного материала происходит лучше и быстрее. QTtobot сейчас проходит испытания в различных терапевтических центрах Европы.

Разработка новых лекарственных средств

Путь от идеи нового лекарственного препарата до его выпуска на фармацевтический рынок очень длинный и трудоёмкий. Он занимает годы и даже десятилетия кропотливой работы поиска нужной формулы. Группа сотрудников работает над синтезом десятков молекул, способных теоретически побеждать заболевание. Но в процессе испытаний большинство из них бракуется из-за непредвиденных побочных эффектов либо малой эффективности.

Благодаря своей способности в кратчайшие сроки обработать гигантский объёмы информации, предусмотреть риски и побочные эффекты искусственный интеллект во много раз сокращает время и затраты на разработку новых лекарств.

В 2007 году робот по имени Адам получил задание изучить функции дрожжей. Адам просмотрел миллиарды точек доступных данных и вывел очень точную гипотезу о функциях 19 генов дрожжей.

Друг Адама робот Ева обнаружила, что компонент зубных паст «триклозан» может быть использован в борьбе с паразитами, вызывающими малярию.

Например, в 2020 году было разработано новое лекарство для лечения OCD (обсессивно-компульсивного синдрома). Над ним работали британский старт-ап Exscientia и японская фармацевтическая фирма Sumitomo Dainippon Pharma.

Благодаря вычислительным возможностям ИИ вместо минимальных 5 лет на создание новой формулы было потрачено всего 12 месяцев.

Про кадры

— Как обстоят дела с кадрами на рынке искусственного интеллекта и у вас как у «Сбера»?

— Мы накопили опыт в развитии образовательных технологий в рамках профессионального образования: у нас есть корпоративный университет, «Школа 21» для подготовки ИТ-специалистов, проекты со школьниками и студентами, которые мы в том числе делаем совместно с Минпросвещения и Министерством науки и высшего образования.

Мы четко понимаем, что без персонализированных карьерных треков, интеллектуального и адаптивного подхода к формированию образовательного контента очень сложно будет готовить людей, которые нам нужны уже сейчас. Уже не говорю о том, что через 5-7 лет нам понадобятся люди совершенно другой формации, нежели те, что были 15 лет назад.

Очень важно сотрудничество в сфере образования. И со школами, университетами, и с другими технологическими компаниями

В прошлом году был создан Альянс по ИИ, куда вошёл ряд российских компаний. И мы на совместных встречах и мероприятиях эту повестку активно обсуждаем.

С текущей системой образования Россия будет проигрывать другим странам в разных направлениях, и одной из целей Национальной стратегии развития ИИ, соавторами которой мы были, является кратное увеличение подготавливаемых специалистов в области data science, специалистов, которые будут развивать AI.

Это и наша задача, и государства, и компаний-партнеров по Альянсу по ИИ — исправить ситуацию. Если мы сегодня не перестроим систему образования, не предложим завтрашним специалистам правильный подход к формированию этого образовательного контента, его подаче, выявлению склонности у молодых ребят, то у нас не появятся конкурентоспособные решения ни через год, ни через пять лет. Это одна из ключевых тем, в которую мы инвестируем. Как минимум треть моего менеджерского времени уходит на образовательные проекты.

Мы также проводим конференцию Artificial Intelligence Journey (AI Journey), чтобы привлечь как можно больше экспертов, специалистов, студентов и просто интересующихся темой к развитию технологий в России. В этом году мы впервые сделали отдельную программу для школьников — AI Junior.

Центры компетенций и открытые библиотеки в сфере ИИ

Поддержка развития, в том числе создание опорных центров компетенций для разработки технологий ИИ, обойдется федеральному бюджету в 13,25 млрд руб. К 2024 г. будет создано 12 опорных центров в сфере ИИ, включая два, специализирующихся на проведение фундаментальных исследований по разработке новых вычислительных архитектур. Данными центрами будет опубликовано не менее 1,1 тыс. статей в области ИИ, индексированных в международных базах данных Scopus/Web of Science, и подано не менее 110 заявок на получение патентов.

Сбербанк подготовил федеральный проект «Искусственный интеллект», который должен войти в национальную программу «Цифровая экономика»

Создание лидирующих инновационных центров (ЛИЦ) для разработки технологий ИИ обойдется в 6,73 млрд руб. — эту сумму поровну поделят федеральный бюджет и внебюджетные источники. К 2024 г. будет отобрано пять ЛИЦ, которые опубликуют не менее 300 статей в области ИИ, индексированных международными базами данных Scorpus/Web of Science, и подадут не менее 500 заявок на получение патентов.

На разработку конкурентоспособных нишевых аппаратно-программных комплексов (АПК) для целей ИИ, включая финансовую поддержку лидирующих дизайн-центров, планируется потратить 10,46 млрд руб. Из этой суммы 7,845 млрд руб. выделит федеральный бюджет, 2,615 млрд руб. — внебюджетные источники. К 2024 г. появится не менее четырех компаний-производителей специализированных чипов для ИИ.

На создание ЦКП (центра коллективного проектирования) с оборудованием и интеллектуальным капиталом в области разработки АПК (средствами проектирования микроэлектронных компонентов, тестовыми стойкими, средствами верификации, инжиниринговым ПО, лучшими мировыми образцами АПК) федеральному бюджету предлагается потратить 2,19 млрд руб. К 2024 г. 10 компаний будут вести деятельность по разработке и тестированию АПК для целей ИИ.

Разработка технологической дорожной карты для российских дизайн-центров АПК для целей ИИ для отечественного и глобального рынков обойдется в 226 млн руб. Определение национальных приоритетов научных исследований в сфере ИИ потребует затрат в размере 222 млн руб.

Предоставление финансовой поддержки создания и развития открытых библиотек в сфере ИИ потребует от федерального бюджета 2,13 млрд руб. К 2024 г. будет осуществлена поддержка 220 коллективов разработчиков и индивидуальных разработчиков в целях создания и развития открытых библиотек, число соответствующих библиотек составит пять.

На поддержку экспорта ИИ-решений будет направлено 4 млрд руб., из этой суммы федеральный бюджет выделит 3,18 млрд руб., внебюджетные источники — 840 млн руб.

Екатерина Столбова, фонд «Сколково»: Грант покроет до 80% расходов компаний на внедрение ИТ-решений
Поддержка ИТ-отрасли

К 2024 г. финансовая поддержка будет оказана не менее чем 2,2 тыс. экспортеров. Выдача грантов на дополнительное образование в области ИИ потребует затрат от федерального бюджета в размере 3,64 млрд руб. (к 2024 г. 8,5 тыс. человек получат данные гранты).

Внедрение ИИ в сфере образования

Проведение конкурсов по решению бизнес- и социальных проблем на основе опубликованных данных потребует затрат в размере 2,04 млрд руб., их поровну поделят федеральный бюджет и внебюджетные источники.

В части образования на запуск и разработку магистерских образовательных программ по ИИ в партнерстве с лидирующими российскими компаниями и ведущими зарубежными вузами от федерального бюджета потребуется 1,06 млрд руб. (к 2024 г. 2 тыс. студентов закончат данные программы).

Еще 237 млн руб. потребуется на разработку и запуск бакалаврских образовательных программ по ИИ в партнерстве с лидирующими российскими компаниями и ведущими зарубежными вузами ( к 2024 г. 1 тыс. студентов закончат соответствующие программы).

На интеграцию ИИ в школьное образование федеральному бюджету предлагается выделить 680 млн руб. Базовый модуль составит не менее восьми академических часов.

Про AGI — общий ИИ

— Достижим ли искусственный интеллект, который сможет делать самостоятельные выводы на основании информации, которая к нему поступает, самообучаться и в какой-то момент осознать себя?

— В прошлом году и этом году мы собирались с единомышленниками и коллегами из профессионального сообщества, пригласили авторитетных людей из сферы нейронаук и обсуждали, в том числе, и этот вопрос.

Многое зависит от того, что мы вкладываем в понятие «мыслить, как человек». Поэтому люди, которые занимаются компьютерными науками, с профессиональной точки зрения нащупывают эту тему и это направление искусственного интеллекта. Предлагают разделять самоосознанность и самосознание.

Понятие «мыслить, как человек» больше подходит для изучения психологами, философами, а специалистов по машинному обучению, искусственному интеллекту больше интересует не сознание, не то, что машина думает или не думает, а способ обучения и способность переобучения.

Ребенку достаточно один раз сказать, что на картинке кот или собака. И он, увидев нечто напоминающее кота, поймет, что это. Даже если ему покажешь рысь, он догадается, что это большой кот. Нейронные сети работают совершенно по-другому.

— Кто ведёт исследования в области AGI?

— Сейчас этими исследованиями занимается, например, британская компания DeepMind. Они пытаются понять, как выстроить такую алгоритмику обучения и задать такую архитектуру агента искусственного интеллекта, когда это обучение можно будет делать на достаточно небольшом наборе данных. А самое главное — научиться строить системы, которые могут быть обучены на одной задаче и использовать свои навыки, чтобы дообучаться в бою.

DeepMind проводили такие эксперименты, когда учили систему на основе методов обучения с подкреплением играть на уровне чемпиона мира по игре в Го. Потом они выпускали алгоритм на шахматную доску с совершенно другими правилами. Это как раз про способность принимать решения в широком диапазоне сред и задач, будучи обученным на других.

Люди тем и отличаются от машин, что постоянно сталкиваются с концептуально новыми задачами и у них активизируется навык обучения на лету. Развитие именно этих возможностей в конечном итоге и приведет к тому, что общий искусственный интеллект (так мы договорились называть его по-русски) начнет совершенствоваться.

Кадр из фильма про AlphaGo

— Возможен ли апокалиптический сценарий «восстания машин»?

— Про апокалиптический сценарий, как в фильме «Терминатор», где искусственный интеллект Скайнет начал войну людей и машин, надо помнить. Но это решается в том числе и путем уполномочивания. Даже если AGI-агент будет достаточно самостоятельным, вопрос в том, кто, как и в какой форме будет делегировать ему полномочия на принятие определенных решений. Думаю, человек из этого процесса еще долго не выйдет.

Прикладной разработкой в этой сфере не занимается пока никто. Исследованиями в области общего искусственного интеллекта мы начали заниматься с прошлого года. Сейчас самая понятная подобласть этого исследования — это подсмотренные у природы принципы, и в Сбербанке мы уже делаем первые шаги в этой области.

Автоматизация и улучшение

Бывает, что пациент отменяет визит к врачу, и это несёт клинике убытки: в США подсчитали, что система здравоохранения страны ежегодно теряет около 150 миллиардов долларов. Чтобы снизить эти показатели нужен новый подход к организации и управлению.

С такой задачей может справиться только ИИ, который будет учитывать нюансы и грамотно наладит поток пациентов в медицинские учреждения. Касательно автоматизации, ИИ может помочь специалисту при проведении анализа УЗИ, всевозможных снимков и анализов. Согласно оценкам экспертов, подобная информация составляет около 90% всего объёма медицинских данных.

IBM разработала сервис Arterys который совмещает в себе визуализацию работы сердца и аналитику. Основой сервиса выступает нейросеть, способная анализировать изображения.

ИИ в радиологии

Многочисленные данные медицинской визуализации в изобилии хранятся в небольших локальных системах. Но что, если использовать глубокое обучение, загрузив данные в облако и «скормив» их ИИ? Машины и алгоритмы могут эффективно интерпретировать данные визуализации, выявляя закономерности и аномалии.

Самый очевидный вариант использования: ассистент радиолога/рентгенолога, занимающийся выявлением и локализацией подозрительных образований на коже, повреждений, опухолей, внутренних кровоизлияний, образований на мозге и т.д. Компьютер работает быстрее и точнее, а потому способен выдать конкретные данные о заболевании спустя несколько секунд после обработки информации. Человек так не может.

Выявление редких или трудно диагностируемых заболеваний часто зависит от опыта врача, а также степени «запущенности» болезни. Проще говоря, пока болячка не полезет наружу, её могут и не распознать. Обучив компьютер на больших наборах данных, содержащих необработанные изображения и множество форм патологий, сопутствующих тем или иным заболеваниям, можно повысить качество постановки диагнозов и количество выявленных заболеваний. Такую идею разрабатывает стартап AIDOC.

ИИ способны повысить качество работы медучреждений, автоматизировав трудоёмкую и ответственную часть работы врачей. С помощью компьютерных алгоритмов можно также контролировать эффективность лечения и качество выполненной операции, прогнозировать скорость восстановления организма.

Хорошим примером такой технологии является проект Microsoft InnerEye. Он предлагает использовать методы ML для сегментации и идентификации опухолей с использованием 3D-рентгеновских снимков. Это может помочь в точном планировании операции, навигации и эффективном формировании контуров опухоли для планирования лучевой терапии.

Также нужно заметить, что МРТ и другие современные системы визуализации, используемые для раннего выявления рака, работают с ML. Алгоритмы помогают проводить расширенный анализ изображений. Например, выполнить сегментацию предстательной железы или совместить несколько разных снимков (например, УЗИ, КТ и МРТ) для получения более точной картины. Машинный интеллект также способен распознать онкологию во время плановых медицинских процедур и даже хирургическом вмешательстве (часто бывает, что во время операции остаётся незамеченным ещё одно злокачественное образование).

«Создание моделей машинного обучения» от Microsoft

Продолжительность курса: 5 модулей = 6 часов.

Формат обучения: текстовые уроки + тесты.

Обратная связь: нет.

Программа обучения:

Изучение и анализ данных с помощью Python.
Обучение и оценка моделей регрессии.
Обучение и оценка моделей классификации.
Обучение и оценка моделей кластеризации.
Обучение и оценка моделей глубокого обучения.

Что узнаете и чему научитесь:

Использовать библиотеки NumPy, Pandas и Matplotlib
Что такое модели регрессии и когда их надо использовать
Когда следует использовать классификацию
Что такое кластеризация и когда её нужно применять
Основные принципы глубокого обучения
Использовать платформу Scikit-learn и работать с Tensorflow

Необходимо знать основные математические понятия
Нужно владеть основами программирования на Python

Нормативное регулирование ИИ

В том числе будут проведены исследования о возможности применения систем ИИ в гражданском обороте (включая обеспечение коммуникаций с людьми, совершения и исполнения сделок), о необходимости внесения корректировок в страховое законодательство касательно страхования ответственности за вред, причиненный с участием ИИ, о порядке совершенствования законодательства для целей развития систем автоматизации управления гражданской техникой специального назначения (комбайны, снегоочистители, мусоровозы и т.д,) и о необходимости изменения регулирования интеллектуальной собственности в части уточнения правил распределения прав на результаты интеллектуальной деятельности, созданной с использованием ИИ.

Также будут приняты законы, направленные на создание порядка полноценного тестирования инновационного автомобильного транспорта и уточнение правил ответственности за вред, причиненные роботом или системой ИИ.

Список товаров и технологий двойного назначения, в отношении которых действует экспортный контроль, будет изменен с целью либерализации правил экспорта технологий ИИ. Будут снижены таможенные пошлины на экспорт и импорт товаров с использованием российских технологий ИИ и на импорт товаров, необходимых для развития технологий ИИ в России.

ИНТЕЛЛЕКТУАЛЬНЫЕ ПАТРУЛЬНЫЕ РОБОТЫ 5G, ОСНАЩЕННЫЕ ПОГРАНИЧНЫМ КОМПЬЮТЕРОМ ADVANTECH MIC-770, ДЛЯ БОРЬБЫ С КОРОНАВИРУСОМ

Сканирующий температуру 5G патрульный робот проверяет температуру пассажиров в аэропорту Гуйян, Китай. В рамках реализации мер по сдерживанию распространения COVID-19 Китай использует патрульные роботы 5G, разработанные компанией Guangzhou Gosuncn Robot Co., Ltd, с использованием технологии Advantech для мониторинга ношения маски и температуры тела в общественных местах.
После появления COVID-19 компания Guangzhou Gosuncn Robot Co., Ltd, ведущий поставщик продуктов и услуг IoT для интеллектуальных городов, обновила своего полицейского патрульного робота на 5G новыми возможностями, чтобы помочь полицейским, работающим на передовой, в проведении профилактики заболеваний и бесконтактных осмотров.

Сase-study. Как промышленные компании осуществляют цифровую трансформацию?

Процесс цифровой трансформации, впрочем как и любые организационные изменения в крупных компаниях, – не будет легким на ранних этапах, но принесёт ощутимые результаты в будущем. Даже самые традиционные структуры могут успешно трансформироваться в более инновационные организации, особенно если они делают это изнутри и действительно меняют свое ядро. Часто это сложный и длительный путь, но его определенно стоит пройти, чтобы оставаться конкурентоспособными и эффективными. Благодаря цифровой трансформации компании могут рассчитывать на уверенный рост, сокращение издержек и увеличение прибыли.

Перспективы и риски

Искусственный интеллект – прекрасный инструмент, который при условии правильного использования способен вывести медицину на очень высокий уровень. Давайте представим, что в ближайшем будущем ИИ поможет справиться нам со многими хроническими заболеваниями, а также считающимися на сегодняшний день неизлечимыми болезнями. Среди них сахарный диабет, сердечно-сосудистые заболевания, остеоартриты, СПИД и многие другие. Для начала ИИ поможет найти лекарства, полностью излечивающие эти болезни. Но это только первый шаг. Далее при помощи технологий ИИ очень легко наладить постоянный мониторинг состояния организма каждого человека. А это позволит перевести медицину в профилактическую область. Другими словами, мы не позволим людям болеть, так как ИИ будет заранее определять факторы риска и принимать превентивные меры. Ещё больше возможностей в медицине откроется с появлением Супер искусственного интеллекта. Только представьте, что у каждого человека будет персональный, самый лучший в мире доктор, к которому не надо ходить на приём, потому что он всегда с тобой, всегда рядом. Звучит заманчиво, и эти технологии уже не за горами, но широко доступны они станут исключительно в формате Созидательного общества.

Сейчас перед нами остро стоит этический вопрос использования ИИ. Потому как количество выгод в этой сфере прямо пропорционально количеству рисков.

Международная группа экспертов по просьбе ВОЗ подготовила доклад под названием «Этика и управление искусственным интеллектом в интересах здоровья», в котором показаны некоторые риски и даны рекомендации по их избежанию. Если обобщить, то мы уже столкнулись или в преддверии техногенной безработицы, искажениями AI bias, проблем с ответственностью, нарушением этики при сборе данных, превалированием частных коммерческих интересов над этикой и здоровьем пациентов, риском монополизации и использования ИИ в целях наблюдения и социального контроля.