Цитаты из книг автора «Кай-фу Ли»

В 2013 году двое ученых из Оксфордского университета положили начало целой серии исследований, выпустив зловещий прогноз, согласно которому 47% рабочих мест в США могут перестать существовать уже в течение последующих 10 или 20 лет из-за автоматизации71. Для начала авторы статьи — Карл Бенедикт Фрей и Майкл Осборн — задали экспертам по машинному обучению вопрос, как они оценивают вероятность автоматизации 70 профессий в ближайшие годы. Затем, совмещая данные ответов с перечнем основных «узких мест» в машинном обучении (приведенным в секторах «Безопасная зона» на диаграммах в предыдущем разделе), Фрей и Осборн с помощью вероятностной модели получили прогноз того, насколько доступными для автоматизации окажутся еще 632 профессии. Результаты показали, что почти половина рабочих мест в США в ближайшие десятилетия окажется в зоне «высокого риска замены», и вызвали настоящий ажиотаж. Фрей и Осборн были осторожны и снабдили свое заключение многочисленными оговорками. К тому же речь в нем шла о том, какие специальности будет технически возможно заменить машинами, а не о том, сколько из них действительно исчезнут. Однако за исследованием последовал шквал публикаций в прессе, в которых этот важный момент не упоминался, зато тиражировалось заявление, что половина всех трудящихся скоро останется без работы.

Это привело к усилению расслоения общества в таких развитых странах, как Соединенные Штаты, где основная прибыль от применения ИКТ оказалась сосредоточена в руках избранных, составляющих 1% всего населения. В США доля национального дохода, приходящаяся на эту элиту, выросла примерно вдвое в период с 1980 по 2016 год64. К 2017 году 1% американцев принадлежало почти в два раза больше средств, чем 90% людей из более низких социальных слоев65, вместе взятым. В то время как последняя из ТШП распространилась по всей экономике, реальная заработная плата средних американцев осталась на том же уровне, что и 30 лет назад, а заработки самых бедных из них даже упали

Образованные офисные служащие пострадают не меньше, чем простые рабочие. Высшее образование — даже научная степень — никому не гарантирует сохранение работы, поскольку машины способны выявлять закономерности и принимать решения на уровнях, где человеческий мозг бессилен.

ИИ для бизнеса, потом наступит черед ИИ восприятия и автономного ИИ.

огромное количество данных, мощный алгоритм, узкая область и конкретная цель.

Однако для этого требуется огромное количество данных, мощный алгоритм, узкая область и конкретная цель. Если вам не хватает чего-либо из перечисленного, метод не сработает. Слишком мало данных? Алгоритму не будет хватать образцов, чтобы выявить значимые корреляции. Неточно поставлена цель? Алгоритму не хватит четких ориентиров для оптимизации. Глубокое обучение — это то, что известно как «ограниченный ИИ» — интеллект, который берет данные из одного конкретного домена и использует их для оптимизации одного конкретного результата.

Чтобы в наше время поставить на службу человеку ИИ — «электроэнергию» XXI века, нужны четыре аналогичных фактора: изобилие данных, жаждущие зарабатывать предприниматели, специалисты в области ИИ и государственная поддержка.

В ближайшее десятилетие предприниматели Китая атакуют сотни отраслей, применяя глубокое обучение для решения любых задач, если это может принести прибыль.

Здесь идут схватки не на жизнь, а на смерть, и у противников не бывает угрызений совести. Единственный способ выжить в этой битве — постоянно улучшать свой продукт и строить бизнес на основе инновационной модели, окружая его в то же время «защитной стеной». Если ваше преимущество — это одна-единственная идея, то ее непременно скопируют, ваших ключевых сотрудников переманят, и вы останетесь за бортом.

для создания эффективных алгоритмов ИИ нужны три составляющих: большие объемы данных, вычислительные мощности и труд способных — но не обязательно выдающихся — разработчиков алгоритмов ИИ.