Человек цифровой. Четвертая революция в истории человечества, которая затронет каждого

«Когда инженеры из секретной лаборатории Google X Lab построили нейронную сеть из 16 000 компьютерных процессоров, проложили между ними миллиард связей и позволили этой сети открыть YouTube, она занялась тем же самым, что делают многие люди: начала искать котиков.

Этой модели мозга на трое суток показали 10 млн видеороликов с YouTube, выбранных случайным образом, после чего, изучив список из 20 000 элементов, машина начала распознавать изображения котиков, пользуясь алгоритмом глубокого обучения. Она справилась, хотя в нее и не загрузили никакой информации о том, как идентифицировать котиков.

Просматривая изображения на YouTube, система достигла 81,7 % точности при распознавании человеческих лиц, 76,7 % точности при определении частей человеческого тела и 74,8 % точности при идентификации котиков»[22].

В 2014 году Google опередил Facebook и приобрел британский стартап DeepMind за $600 млн. Вооружившись Google Brain и Deep Mind, компания смогла серьезно расширить горизонты искусственного интеллекта: машины научились играть в видеоигры.

В следующий раз о компании написали все СМИ в 2016 году, когда машины Google обыграли чемпиона мира по игре го – игре настолько сложной, что считалось, будто ни одна машина никогда не сможет победить в ней человека. Следом появилась еще одна важная новость: машины придумали собственный язык. В ходе эксперимента компьютеры создали собственную форму шифрования на основе машинного обучения, при этом конкретных криптографических алгоритмов в них не загружали. Последняя новость – машины запоминают навыки, которые понадобились им для решения разных задач; это ключевое требование для достижения общего искусственного интеллекта. Легко понять, почему Google заинтересован в искусственном интеллекте и глубоком обучении, – посмотрите, как эти технологии помогают оптимизировать его сервисы, в частности Google-переводчик, о чем мы уже говорили.

Благодаря усилиям интернет-гигантов мы стремительно приближаемся к этапу, когда машины станут умнее людей, и уже недалек тот момент, за которым начинается всеобщая автоматизация. Вскоре чат-бот научится обслуживать вас лучше, чем человек. А если внедрить чат-бота в человекоподобного робота или аватара? Добро пожаловать в семантическую паутину – это не операционная система, это сознание.

Что будет, если применить идею семантической паутины в банковском секторе? По сути, цифровые банки – это цифровые хранилища ценности. Данные депонируются и снимаются в форме денег, которые признаются государством и находятся под его контролем. Сейчас у нас уже есть альтернативы, например биткоин, позволяющий откладывать и снимать деньги в форме данных, причем их ценность признается в сети на основе общего согласия. Обе системы базируются на данных и транзакциях данных, и обе они сходятся в том, что децентрализация увеличивает безопасность, поскольку нет и не может быть единой точки отказа.

Но банковские системы создавались на базе множества закрытых серверов, где не предусмотрены искусственный интеллект и возможности машинного обучения. Это проблема. Как машина может что-либо обо мне узнать, если вся моя информация хранится в нескольких системах, исходя из того, чем я пользовался: депозит, ссуды, ипотека, карты или сбережения? Это сложный вызов для аналогового банка: вся его информация рассредоточена по устаревшим системам и напоминает лоскутное одеяло.

Семантический банк очистит эти данные и воспользуется возможностями искусственного интеллекта и аналитики, чтобы разобраться в истории моих финансовых операций и предсказать мои финансовые потребности в будущем. Делать это будут не люди, а машины. Семантический банк будущего станет опираться на свои структуры с открытым исходным кодом, состоящие из приложений, API и инструментов аналитики. С их помощью он будет извлекать информацию из семантической паутины и получать глубокую аналитику, интегрируя сведения обо мне с данными моих устройств и перемещений.