Куда не ступит нога нечеловеческая: почему искусственный интеллект не может заменить человека

AudioTag [больше не доступен]

Следующий сайт, который позволяет вам найти название песни просто напевая, это AudioTag.info. Это еще один очень простой сайт, но он предлагает довольно удобный сервис.

Да, функция распознавания звука полностью автоматизирована, поэтому вам не нужно ждать, пока кто-нибудь определит название вашей песни. Тем не менее, метод загрузки музыки немного отличается от других сайтов, перечисленных в этой статье. Вы должны записать и загрузить свой собственный аудиофайл.

Вы можете напевать, петь или играть мелодию на гитаре. Пока у вас есть что-то похожее на оригинальную песню, это должно работать.

Мы протестировали эту функцию, проиграв песню из Spotify и записав ее через микрофон. Использовать Выберите файл кнопку на странице, чтобы выбрать файл и загрузить его на сайт. (Вы также можете сделать ссылку на аудио файл онлайн, если у вас есть URL).

Когда вы будете готовы, просто нажмите проследовать.

В нашем случае сайт вернулся менее чем за 60 секунд с точным названием песни, исполнителем, альбомом и годом выпуска.

Не слишком удивительно, учитывая, что мы записали точную песню. Но почему бы не попробовать, напевая или напевая мелодию, застрявшую в вашей голове. Посмотрите, может ли сайт назвать эту мелодию!

Как найти песни из фильма?

Некоторые мелодии пишутся исключительно для фильмов, но хочется иногда прослушать их в плеере на прогулке или в спортзале. Как найти такие композиции? И на этот случай существуют специальные сервисы:

И уже на кино-форумах, сообществах киноманов просим помощи:

Посмотреть информацию о песнях ленты можно так же дождавшись ее окончания, в титрах написано все, и имена исполнителей песен, названия. Есть еще один маленький секрет – если в поисковике набрать название кино и добавить буквенное сочетание «OST», например «Титаник OST», он выдаст вам все саундтреки к видео. Такой надежный и простой способ, о котором знаю не все.

Этические проблемы выходят на первый план

Технологии не помогут решить социетальные проблемы, они, скорее, будут только по-новому проявлять существующие напряжения и конфликты, заодно создавать новые (например, типы неравенства). ИИ это касается особенно, потому что как бы он ни обучался, обучаться он будет у всех пользователей и подстраиваться под цели без определенной оценки.

Вот несколько примеров ошибок или смещений из того же профессионального отчета State of AI. Они более релевантны американскому контексту, но много говорят о тех данных, на которых учатся машинные алгоритмы:

Среди причин таких смещений разработчики называют стереотипы, которые наиболее распространены в сети, ошибки распознавания изображений (и их категоризацию), слабую представленность в базах данных и в сети вообще.

То есть «виноватыми» оказываются и недоработанные алгоритмы, и смещенные данные, на которых обучаются эти алгоритмы. Такие ошибки становятся всё более и более системными из-за неконтролируемого потока собираемых данных, а их обработка требует не только обновления вычислительных мощностей, но и новых принципов работы как с базами, так и алгоритмами.

Голосовые помощники могут очень быстро расистами, сексистами и матерщинниками.

Иногда и политически настроенными: первые возмущения по поводу голосового помощника Алиса от «Яндекса» были, среди прочего, связаны с тем, что ее персонажу меняют политические взгляды по необходимости. Поэтому разработчикам быстро пришлось влезать в нейросеть «руками» и устанавливать какие-то границы и нормы того, что должен или не должен делать голосовой помощник. Голосовые помощники — еще одно напоминание о том, что ИИ (как и любая технология) может быть использована не по тому разумному и доброму предназначению, о которой мечтали ее первые разработчики.

Смещения в данных влияют на настройку и работу алгоритмов, поэтому отдельной задачей разработчиков становится проверка стандартов для обработки и устранение причин ошибок в данных. Но при этом надо избегать техноцентристского стремления упростить и категоризовать все социальные явления, а учитывать особенности различных обществ. Так, в алгоритмах сейчас слабо отражено разнообразие социальных групп (женщины, меньшинства и т. п.), редкие и частные социальные феномены.

Разработчики продолжают стремиться сделать ИИ «человечнее», социализировать его правильно. Одна из самых известных профессиональных ассоциаций инженеров IEEE подробно изучает вопрос этических рекомендаций для ИИ-специалистов.

Они советуют разработчикам в процессе производства технологий думать не только над решением технических задач, но и понимать причины и последствия своей деятельности. В этом смысле комментарий Тан Сяоу противоречит логике осознанного производства: технологии не просто создаются, чтобы заработать денег, они точно будут вызывать социальные эффекты (в случае китайской системы — поддерживать и укреплять тоталитарное государство или даже развязать новую технологическую гонку).

В попытках преодолеть технократический подход к развитию ИИ они предлагают учитывать то, как по-разному этические вопросы решаются в разных (со)обществах, включая социально-ориентированные НКО. IEEE привлекают разных участников к разработке рекомендаций, чтобы у представителей разных групп была возможность озвучить свои предложения и предостережения в отношении развития ИИ.

Этот тренд существенно усложняет дело разработчиков, потому что добавляет такое же бесконечное количество неизвестных переменных в алгоритмы, с которым пытаются справляться социальные ученые в своей профессиональной деятельности — да и люди в своей повседневности.

ИИ общего назначения

А вот здесь всё не так здорово, как в решении прикладных задач. Дело в том, что научить компьютер мыслить как человек пока невозможно. Каждая область мышления — отдельная программа, которая должна уметь работать со всеми остальными программами. Реализовать такую масштабную систему пока невозможно — нет ни алгоритмов, ни вычислительной мощности для этого, плюс не на чем обучать.

Есть имитации искусственного интеллекта в относительно широких областях, но полноценно мыслить как люди они не могут. Например, разработка компании IBM — ИИ Watson — может строить логические связи между множеством фактов и делать правильные выводы на их основе. Одно из применений Ватсона — постановка диагнозов в медицине. Ещё он круто играет в «Jeopardy!» — аналог «Своей игры» на американском ТВ.

IBM назначила приз в миллион долларов тому, кто победит Ватсона в «Своей игре». До сих пор никому это не удалось.

Но даже Ватсон не может одновременно распознавать лица, писать актуальный и осмысленный текст, поддерживать полноценный диалог и принимать решения, поехать ли в выходные на шашлыки или провести время с детьми. Возможно, ситуация изменится с выходом полноценных квантовых компьютеров, но до этого пока ещё очень далеко.

Плюс, есть чисто философская проблема: люди пока что не поняли до конца, что такое сознание, что его определяет, что такое разум и интеллект. Что, если наш мозг — тоже лишь нейросеть, которая видит информацию на входе и выдаёт действия на выходе? А всё, что мы считаем сознанием, — лишь внутренний шум от работы нейронов?

Но философию оставим философам. В одной из следующих статей покажем, как по нейронкам бегут сигналы, и детально разберём суть машинного обучения.

Где используется ИИ

Вокруг нас уже много устройств и сервисов, внутри которых есть ИИ в том или ином виде.

Голосовые помощники в телефонах и колонках распознают речь и команды, чтобы показать нам лучший маршрут, результат поиска или зачитать прогноз погоды. Та же «Алиса» распознаёт речь, анализирует её, определяет тематику диалога, выделяет полезную для поиска информацию и синтезирует ответы помощника — и во всём ей помогают заранее натренированные нейросети. Подробнее про устройство «Алисы» читайте на Хабре.

Чат-боты на сайтах понимают типовые вопросы, даже если они сформулированы по-разному, и отвечают на них. Это позволяет нанимать меньше людей в техподдержку. Они отличаются от примитивных ботов «Оставь-свой-номер-и-мы-перезвоним» тем, что распознают текст вопроса и сами находят на него ответ в своей базе знаний. Чаще всего внутри таких ботов крутится TensorFlow — система машинного обучения от Google с открытыми исходниками. Хотите собрать такого бота самостоятельно — держите инструкцию.

Умные фильтры в фотокамерах сами определяют, когда вы снимаете против солнца, и добавляют яркости в тенях, чтобы картинка получилась сбалансированной. Если делаете селфи — камера понимает, что на фото будет лицо и делает его ещё красивее: убирает прыщики, морщинки и торчащие волоски. В последних моделях телефонов Honor за это отвечает отдельный модуль в процессоре — Neural Network Processing Unit: NPU. Он управляет простой нейронкой, но даже её хватает для того, чтобы делать классные фотки.

Вариантов реализации ИИ много, но их все можно разделить на две группы — решение узких задач и полноценный искусственный интеллект общего назначения.

Политические проблемы использования ИИ

Помимо проблем самой разработки, стоит следить за применением ИИ, потому что в конечном счете в возможных перегибах будет виновата не сама технология, а те, кто стоит за ее использованием. В гонке за использование технологии разные участники преследуют разные цели — но, к сожалению, мало для кого цель — это подготовить ИИ и общество друг к другу

Вместо того чтобы бояться потерять работу, впору задуматься о том, что важно для всего человечества

Только в прошлом году индустрия серьезно подошла к вопросам социальных эффектов и последствий внедрения ИИ. Отличилась Microsoft в попытке сформулировать вопросы о возможных сценариях будущего ИИ и о важных рекомендациях для его настоящего.

Теперь комитеты по этике есть в Microsoft, Google, Facebook, SAP — это своеобразная внутренняя цензура потенциальных рисков ИИ.

Комитеты по этике подчеркивают, что технологии — дело рук и ответственность не только разработчиков, но и всех участников глобального взаимодействия, как конечных пользователей, так и институциональных игроков: бизнеса, государства, общества. Если кто-то из этих участников принимает решение использовать ИИ в своих целях, то он должен принять на себя обязательство предусматривать последствия. А если эти последствия не удается предсказать, требуется собирать как можно более междисциплинарные команды экспертов, которые покажут всю сложность тех или иных технических решений.

Звучит неплохо, но сейчас далеко не все участники гонки за лидерство в технологиях готовы оценивать реальные социальные эффекты своей деятельности, особенно если технологии поддерживают текущие политические режимы.

Софт для поиска певцов

Обычно ПО отличается способностью работы офлайн, однако не в случае распознавания мелодии, потому что здесь для обработки нужны мощные сервера и описанный софт нуждается в онлайн подключении

Самое важное преимущество — работа по схеме, нажми на кнопку получишь результат, а точнее песню

Приложение Shazam

Прекрасно выполняет поставленную задачу, поддерживает множество платформ Android, iOS и WindowsPhone, дружит с Виндовс 8 и выше на ПК.

Позитивные стороны:

Простота использования.
Мультиплатформенное.
Хорошее качество распознавания.
Имеются общественные опции (поиск собеседников по музыкальным вкусам, чаты).
Наличие умных часов.
Определяет телепрограмму и рекламу.
Бесплатно.
Найденную музыку, можно мгновенно купить на сайтах партнерах.

Минусов немного, но все же они есть:

Не работает с ранними версиями Windows, а восьмерка есть не у всех.
Офлайн записывает только пример для поиска.

Практическое руководство:

Открыть программу.
Нажать распознавание и включить мелодию.
Результат готов.

Простое и понятное приложение, единственное, что найти песню онлайн, без загрузки на платформу не получится, надо устанавливать.

Следующий претендент – SoundHound

Схожее с Shazam приложение, принцип работы такой же. Скачать можно здесь www.soundhound.com.

Достоинства:

Дружественный интерфейс.
Функционирует на смартфоне.
Пользоваться можно даром.

Недостаток, пожалуй, только один – необходимо онлайн подключение. Схема работы аналогична предыдущему софту.

Немного музыкальной магии с Magic MP3 Tagger

Важнейшее достоинство этой программы в том, что она может упорядочить не распознанные файлы и дать правильные треки, которые автоматически разбираются по папкам, но это платно, бесплатно есть лимит на пакетную обработку. Программа ищет аудио на freedb и MusicBrainz.

Сильные стороны:

Автозаполнение тэгов различной информацией об альбомах.
Упорядочивает и упаковывает в папки по определенным параметрам (задаются пользователем).
Работает локально, и только если не может ничего найти переходит на онлайн ресурсы.
Упорядочивает музыкальные альбомы (ищет дубли, выполняет переименование, если это задано).
Имеет бесплатную версию.
Легкий интерфейс.

Слабые стороны:

Халявная версия имеет лимит на обработку пакетов.
Несовременность.

Как применить:

Загрузить программный продукт и локальную БД для него.
Указать список файлов для обработки.
Ждать окончание процесса.

Утилиту нельзя применять для определения по звуку, но с разбором неопознанных аудиофайлов справляется на пять баллов и мгновенно наведет уборку в альбомах.

Виджет от гугл — Sound Search for Google Play

Андроид 4.0. и больше имеет собственную систему поиска треков, отличное средство как найти песню, если знаешь только мелодию.

Этот виджет любят за:

Точность и быстроту нахождения аудиофайлов.
Бесплатность.
Не надо лишнего софта, требующего установки.

Немного отрицательных моментов:

Доступен только для новых версий андроид.
Иногда сбивается где оригиналы, где миксы.

Принцип работы:

Открыть виджет.
Дать смартфону насладиться мелодией.
Ждать итогов работы.

На телефоне осуществляется только заготовка, сам процесс определения происходит на гугл серверах.

Программа Tunatic

В 2005 году проект претендовал на лидерство среди подобных приложений, однако сейчас все застряло на стадии бэта-тестов, а на рынок пришли более успешные игроки.

Достоинства:

Взаимодействует с микрофоном и линейным входом.
Простота в использовании, понятность.
Из отечественных певцов определяются, по большей части, известные зарубежом.
Полная Бесплатность.

Недостатки:

Скудная база данных, немного классики.
Проект заброшен на стадии бэта-тестирования, и перспектив развития у него нет.

Схема работы:

Запустить.
Дать программе возможность послушать музыку.
Анализировать полученные результаты.

Shazam

Неоспоримый лидер среди приложений по поиску песен – это Shazam. Алгоритмы поисковика мелодий позволяют по короткому десятисекундному отрывку:

Найти песню;
Узнать её название и имя исполнителя;
Увидеть видео-клип, если он есть;
А также сразу получить ссылку на скачивании песни.

Установить на своё устройства Shazam могут пользователи с устройствами под управлениями Android, iOs и Mac OS.

Тапом по логотипу Shazam начнется поиск

Shazam является одни из самых развитых проектов для поиска музыки по отрывку. Поэтому за всё время существования он стал не просто поисковиком, а преобразился в целую социальную сеть. Теперь здесь можно завести друзей, делиться с ними своими музыкальными предпочтения, проставлять оценки композициям и наблюдать за новинками в разных жанрах.

Как и большинство мобильных приложений Shazam абсолютно бесплатен, и проект получает монетизацию лишь от показа пользователям рекламы. Но если вы хотите пользоваться сервисом без рекламы, то придётся приобрести недорогую подписку.

Яндекс.Музыка

class=»img-responsive»>Многофункциональная программа, объединяющая в себе десятки миллионов треков. Содержит музыкальные подборки разных стилей и направлений, популярные композиции с уникально высоким качеством звука. Приложение формирует ежедневные персональные рекомендации пользователя основываясь на музыкальные запросы, позволяет формировать собственные плейлисты, прослушивать песни и радио офлайн. Содержит функцию распознавания, которая находит трек в одно касание и сохраняет его в папке «Распознано». Высокий рейтинг — топовое приложение. Со временем требует оформить подписку.

Инструкция к голосовому распознаванию

Рассмотрим пошагово все действия:

Как видите, распознать музыку по голосу с помощью Шазама проще простого. Если вы хотите узнать песню, напев ее в микрофон мобильного устройства, то отойдите в тихое место, чтобы смартфон мог записывать звук как можно лучшего качества. Если такой возможности нет, то просто попробуйте несколько раз с разной громкостью и интонацией напеть мотив.

Shazam может распознать музыку по напеву, и вам не придется тратить много времени на поиски и вопросы своим друзьям по поводу мелодии! Пользуйтесь замечательным голосовым сервисом и у вас никогда не будет стоять вопрос: «А что это за музыка?».

Антиплагиат и его развитие

— Вы же еще и один из руководителей фирмы «Антиплагиат».

— Да, руководитель и один из основателей компании.

— Проблему плагиата, я так понимаю, вы решили, а чем сейчас занимаетесь?

—Ну, не совсем пока решили. Если коротко то, когда в 2005 году мы начинали, стояла даже не проблема плагиата, а проблема списывания, потому что появился интернет и студенты начали массово скачивать из него рефераты и дипломные работы, меняли титульные листы и защищали как свои. Конечно, на таком уровне мы проблему решили. И сейчас только очень смелый студент может скачать работу и пытаться защитить как свою.

Сейчас мы решаем, например, такую задачу, как переводной плагиат. Когда берется английский текст, переводится на русский язык и выдается за оригинальный русский текст. У нас есть решение, которое, кстати, на промышленном уровне единственное в мире, которое позволяет это определить.

Естественно, сначала мы сделали алгоритм обнаружения плагиата при переводе с английского на русский. Кстати, для теста мы прогнали через это решение два с половиной миллиона научных статей на русском и выявили более двадцати тысяч примеров переводных заимствований. Были случаи, когда статьи, кроме перевода, не содержали ничего. Позже добавили к возможностям алгоритма работу с языками наших соседей по СНГ: казахским, киргизским.

Сейчас делаем алгоритм, который должен искать переводные заимствования в любую сторону в рамках ста языков. То есть, если кто-то возьмет текст на китайском и переведет, допустим, на шведский, мы это должны находить

Был, кстати, пример, когда китайский студент взял несколько статей на китайском, перевел их на английский и пытался защититься в российском вузе. Нашли. Китаец не защитился.

Есть еще проблема, как отличить добросовестное заимствование или цитирование от плагиата. Есть проблема, которая связана с повторяющейся терминологией. Химики особенно страдают, потому что там длинные сложные слова, которые часто повторяются, и алгоритм это воспринимает как заимствование. Химикам это не очень нравится, потому что они, по большому счету, не могут это сказать иначе. Это то, что еще предстоит совершенствовать.

Из задач, которые нам интересны, это, например, воровство картинок. Специалисты издательства Elsevier оценивают долю статей с ворованными изображениями в несколько процентов. Допустим, взяли изображения, немного их подкорректировали и опубликовали свою статью на основе этих изображений. При этом текст полностью новый, то есть обычный анализ текста не поможет. А несколько процентов — это сотни тысяч публикаций в год.

Что такое нейросети

Есть много мифов о нейросетях: будто это компьютерный разум, самообучающаяся система, мыслящая программа и так далее. Всё это не так.

На самом деле нейросеть — это просто очень сложная база данных с кучей формул. Данные поступают с одного конца базы данных, обрабатываются через кучу формул и выдаются с другого конца. Никаких мыслей там нет — просто математика. Сложность в том, чтобы вывести те формулы, благодаря которым нейросеть даёт хоть сколько-нибудь полезный результат. Выведение этих формул — и есть машинное обучение. У нас будет отдельная статья о том, как это всё устроено.

Вот самое простое отображение структуры нейросети. Слева ячейки ввода данных, справа ячейки вывода данных, а между ними — какой-то скрытый слой, в котором нейросеть совершает свои математические вычисления. Пока что это может быть непонятно, но мы еще расскажем об этом отдельно.

Как работают нейронные сети и глубокое обучение

Современная производительность, которая открыла путь к развитию нейронных сетей

Ответом на поставленный чуть выше вопрос оказалось алгоритмическое решение, которое в итоге назвали нейронными сетями.

Они основаны на наших биологических знаниях о строении человеческого мозга и связях между его отдельными нейронами — только в дискретном пространстве.

С помощью этой системы можно взять, например, фотографию кота, разрезать ее на отдельные части и отправить по уровням сети. Потом повторить тоже самое с еще одной и так далее.

Аналогичный принцип для теста собственного нейронного механизма использовала компания Google, которой удалось натренировать системы отбирать видео с кошками в YouTube.

Каждый нейрон в сети в данном случае анализирует полученные данные и сравнивает с заученными аналогами, которые были скормлены ему ранее.

Чем больше сходство, тем выше вероятность того, что в кадре действительно присутствует кот. А в сумме нейронная сеть может дать ответ на этот вопрос с большой точностью.

До относительно недавнего времени нейтронные сети просто игнорировались. Они были вполне реальными еще в прошлом веке, но толку от них было не так много.

А все потому, что еще несколько лет тому назад производительные системы, которые могли бы работать в нейронными сетями, были крайне дорогими. А данные в необходимом числе недоступными.

Но в итоге ученые смогли расширить нейронными сети до невероятных размеров, сделали приемлемой скорость работы и скормили им тонны контента. Так появилось глубокое обучение.

У кого лучшие облачные платформы и инфраструктуры для ИИ?

Гонка ИИ коснулась и облака. В свое время Amazon осознала, что стартапы будут скорее арендовать компьютеры и софт, а не покупать их. Поэтому в 2006 году они запустили Amazon Web Services (AWS). Сегодня ИИ требует огромных вычислительных мощностей, поэтому компании массово переходят на облако и арендуют аппаратуру по моделям «инфраструктура как услуга» (IaaS) и «платформа как услуга» (PaaS).

За место под солнцем сражаются технологические гиганты. Microsoft предлагает облачный сервис Azure. Google не отстает от конкурентов и предлагает GoogleCloud. Китайская Alibaba захватывает мировой рынок.

Amazon — Microsoft — Google и IBM продолжат бороться за первенство. Не следует также забывать о больших облачных игроках из Китая.

В каких сферах ИИ «конкурирует» с человеком

В конце прошлого года вышло два больших международных отчета про искусственный интеллект — это отчет института AI Now из Университета Нью-Йорка и ежегодник AI Index от инициативной группы из Пало-Альто. Оба показывают, как резко и интенсивно развивается сфера: появляется всё больше специалистов и образовательных программ, компании предлагают новые рабочие места, государственные программы поддерживают исследования в разных направлениях ИИ. Из обоих, независимых друг от друга, отчетов следуют два принципиальных вывода:

Что это означает для нас? Давайте сначала разберемся, в какие производственные процессы уже встроились алгоритмы ИИ, — в этом поможет профессиональный отчет State of AI. Авторы говорят о 13 отдельных сферах, которые можно поделить на три группы.

1. ИИ выполняет принципиально новые функции, которые не мог делать человек или делал иначе.

В медицине разрабатываются решения по транспортировке микрочастиц; в фармацевтике и материаловедении алгоритмы моделируют новые соединения и просчитывают их устойчивость в различных условиях; в фермерстве используются микроклиматические саморегулирующиеся системы и системы обследования состояния животных и растений; в финансовой сфере внедряются алгоритмы предотвращения мошенничества; спутниковые данные используются для анализа страховых случаев; в сфере автономных разработок развивается симуляция окружающей среды и моделирование чрезвычайных ситуаций.

В этих сферах ИИ сопровождает человеческую деятельность и помогает решать проблемы, связанные с масштабами (микро- или макро-), комплексностью и скоростью реализации задач.

2. ИИ по-новому выполняет старые функции, которые всё еще может выполнять человек.

В фармацевтике алгоритмы обрабатывают большое количество данных о химических соединениях, компонентах, реакциях для улучшения существующих лекарств; в здравоохранении анализ визуальных данных уточняет диагностику заболеваний; в фермерстве настраивается контроль теплиц и сбор урожая; в финансовой сфере алгоритмы принимают решения о кредитовании и предлагают финансовый менеджмент; в автоматизации складов роботизируется логистика и управление; в промышленном производствеИИ организует труд; в автономной логистике предпринимаются попытки решить проблему «последней мили» (доставки до точного места или конкретного человека); спутниковые данные помогают планировать сельскохозяйственникам; в государственной безопасности применяются комплексные алгоритмы анализа данных о гражданах.

В основном функции ИИ в этой группе связаны с накоплением и обработкой больших данных для последующего принятия решений человеком.

3. ИИ заменяет работу человека.

В промышленном производстве распространяется автоматизация рутинной работы и документооборота; ручная работа частично роботизируется в строительстве, промышленной уборке, охране; в сфере приватности и анонимности алгоритмы используются в защите персональных данных; в логистике транспорт становится автономным; в кибербезопасности алгоритмы отслеживают угрозы.

В этой группе ИИ действительно берет на себя функции человека, но не заменяет человеческий труд вообще. Мы видим, что разработки не становятся независимыми сущностями, а постепенно и аккуратно способствуют освоению новых областей знания.

Реальная динамика изменения на рынке за последние 35 лет в США показывает, что лишь немного сокращается доля рутинного труда — как ручного, так и умственного, и при этом настойчиво набирает обороты нерутинная ручная и интеллектуальная занятость:

Ту же логику можно увидеть на ресурсе-предсказателе, где можно узнать вероятность и причины потенциальной роботизации конкретной специальности.