Цифровая революция. Преимущества и риски. Искусственный интеллект и интернет всего

Используя этот подход, Североатлантический союз может более уверенно ответить на два важнейших вопроса: «Какие наиболее важные проблемы необходимо решить сейчас и в будущем?» и «Какие конкретные задачи мы должны решить, чтобы стимулировать тройную спираль к их решению?» В недавней статье «Вестника НАТО» глава отдела инноваций НАТО описал многочисленные ресурсы, которыми располагает Североатлантический союз для внедрения новаторских инноваций, в том числе «… множество академических институтов мирового уровня, лучших научных исследователей, удивительно творческие стартапы и зрелые, хорошо обеспеченные ресурсами финансово-экономические институты.» Четкая структура для выявления наиболее важных проблем, которые необходимо решить, и постановка правильных задач, способствующих привлечению ресурсов Североатлантического союза для их решения, – это самый надежный способ удержать Североатлантический союз впереди конкурентов в неопределенном будущем.

Искусственный интеллект в НАТО: динамичное внедрение, ответственное использование

Эдвард Хантер Кристи, 24 ноября 2020 г.

Североатлантический союз сталкивается с глобальной гонкой за внедрение технологий. Соперничающие державы используют новые технологии для достижения двойной цели повышения экономической конкурентоспособности наряду с расширением военного потенциала. Союзники сталкиваются с рядом проблем, стремясь использовать новые и прорывные технологии. Эти проблемы связаны с обеспечением динамичного внедрения новых технологий и ответственным управлением ими. В основе этих технологий лежит искусственный интеллект (ИИ).

ИИ – это способность машин выполнять задачи, которые обычно требуют человеческого интеллекта – например, распознавание закономерностей, обучение на основе опыта, прогнозирование и т. п. – в цифровом виде или в качестве интеллектуального программного обеспечения, лежащего в основе автономных физических систем.

Как было предложено аналитическим центром RAND в отчете Министерства обороны США об ИИ: «Оценка и рекомендации (2019)», необходимо выделять три широких типа приложений: корпоративный ИИ, оперативный ИИ и ИИ поддержки миссий.

Корпоративный ИИ включает в себя такие приложения, как системы управления финансами или персоналом с поддержкой ИИ, которые развертываются в строго контролируемых средах, где последствия технических сбоев невысоки (с точки зрения непосредственной опасности и потенциальной летальности).

Оперативный ИИ, напротив, может быть развернут в миссиях и операциях, то есть в значительно менее контролируемой среде, где последствия отказа могут быть критически высокими. Примеры включают программное обеспечение для управления стационарными системами или беспилотными автомобилями.

ИИ поддержки миссий, промежуточная категория с точки зрения управления средой и последствий сбоев, включает в себя разнообразный набор приложений, например приложения для логистики и обслуживания.

Эти различия могут оказаться полезными при установлении приоритетов как для политики принятия, так и для принципов ответственного использования ИИ, учитывая различные уровни риска, присущие этим категориям.

Современная волна ИИ сосредоточена на машинном обучении (ML). ML включает в себя разработку и использование статистических алгоритмов для поиска закономерностей в данных. Например, алгоритм классификации можно обучить на большом наборе правильно помеченных примеров, чтобы определить, к какой ранее встречавшейся категории принадлежит вновь наблюдаемый объект. Глубокое обучение – это подмножество машинного обучения, которое использует несколько вычислительных уровней (искусственные нейронные сети с несколькими уровнями) для обработки сложных вычислительных задач распознавания образов или прогнозирования, например сверхточные нейронные сети для обнаружения объектов в изображениях.

ML использует большие наборы точных данных и плохо работает с небольшими наборами данных или с неточными данными. В хороших условиях в широком диапазоне применений ML превосходит людей с точки зрения как предсказательной способности, так и, конечно, скорости. Это основная причина все более широкого внедрения машинного обучения в обширных областях человеческой деятельности.

Факторы производства

Для ИИ производственными факторами являются высококвалифицированные специалисты и инфраструктура информационно-коммуникационных технологий (ИКТ) для вычислений и хранения данных.