Создание искусственного интеллекта для игр

Netflix [развлекательные сервисы]

Крупнейший и один из самых успешных стриминговых сервисов осуществляет применение искусственного интеллекта, чтобы рекомендовать пользователям наиболее интересные сериалы и фильмы. Система опирается на историю просмотров человека, а также на привычки других людей (аудитория сегментируется по возрасту, географии, привычкам и расходам).

Netflix отчасти общается с ИИ более свободно и нетрадиционно. Так, в 2016 году в каталоге фильмов появилась короткометражка, созданная именно для ИИ. Фильм сделан для тестирования кодеков, которые используются для шифровки и дешифровки видеопотока. Они же проверяют качество вещания в 4K.

Другой проект компании – «Другая сторона ветра». Это фильм Орсона Уэллса, снятый в 1970-х, но не прошедший все этапы монтажа при жизни режиссёра. Система на базе ИИ делала монтаж уже в наши дни, и, по словам разработчиков, значительно улучшила качество изображения (до 4K).

Читайте: Что такое большие данные и для чего они нужны

Страсть всей жизни

Уилсон начал обучение в Корнелльском университете, где получил степени бакалавра и магистра. После поступления в Массачусетский технологический институт в 2000 году его научный интерес определился окончательно. За те пять лет, когда он готовился к получению степени кандидата наук, и за семь лет после получения докторской степени он создал математическую основу для моделирования функций мозга.

«Сообщество MIT сосредоточено на разработке новых вычислительных моделей, выходящих за рамки современной компьютерной науки, – говорит Уилсон. – Наша работа тесно связана с информатикой, но при этом также учитывает мозговую деятельность человека, и эта связь может помочь нам понять, как работают или как могут работать компьютеры».

С 2010 по 2012 год Уилсон днями и ночами работал над новым проектом, переводя свои алгоритмы в коммерческую систему, которая потом стала основой Nara Logics

В 2014 году на эту работу обратила внимание Эггерс, которая в то время возглавляла ряд успешных коммерческих компаний, но которую всё больше стали занимать проблемы искусственного интеллекта

Эггерс считает, что механизм искусственного интеллекта Nara Logics способен оказать неоценимую поддержку бизнесу. Уже в то время этот механизм – Nara Logics Synaptic Intelligence, обладал уникальными в своей области особенностями.

В этом механизме объекты, содержащиеся в данных клиентов, например сведения о пациентах и назначенных им курсах лечения, объединяются в основанные на функциональных особенностях матрицы и передают их другим объектам в структуре, подобной той, которая существует в биологических системах. Взаимосвязи между объектами также формируются через ряд локальных функций, которые в компании называют правилами синаптического обучения. Эти правила были выведены из результатов нейробиологических исследований поведения клеток и нервных цепей.

«Мы каталогизируем все метаданные, а также то, что называется коннектомами (полным описанием структуры связей в нервной системе), анализируем базу неструктурированных данных и выстраиваем связи между всеми элементами, – объясняет Уилсон. – Как только вы накопите такую информацию, вы сможете давать системе задания, и механизм переработает данные и выдаст совпадения по указанным параметрам. При таком подходе стоит избегать представления того, каким должен быть правильный ответ».

Свойства и правила для каждого объекта в системе Synaptic Intelligence Nara Logics хранятся локально, что позволяет платформе принимать новые данные, изменяя только в небольшое количество связанных объектов. Считается, что мозг работает «снизу вверх».

«Данный принцип кардинально отличается от принципов глубокого обучения или других подходов, придерживающихся предельно простой доктрины: глобально оптимизировать всё, что только возможно, и каждая клетка будет делать то, что ей предписывает главный алгоритм, – поясняет Уилсон. – Нейробиологи же полагают, что каждая клетка принимает решения по собственному усмотрению».

Дизайн позволяет пользователям исследовать взаимосвязи данных, «активируя» определённые объекты или функции и наблюдая за тем, какие ещё компоненты активируются или “уходят в тень”.

Механизм Nara Logics даёт ответы, активируя небольшое количество объектов в наборе данных. По мнению компании, такая картина напоминает технологию «разреженного кодирования», которое, как принято считать, используется высшими отделами мозга, в которых всегда активируется лишь небольшое количество нейронов. Принцип разреженного кодирования позволяет отслеживать пути принятия решений своей платформой и объяснять пользователям причины, которые легли в основу таких решений.

Уже перейдя в компанию Nara Logics, Уилсон по-прежнему принимал участие в работе сообщества MIT. По словам Уилсона, у компании появилось много новых клиентов.

Дитя робота (2018)

Научно-фантастический проект от Netflix – фильм про машину с искусственным высокотехнологичным интеллектом. Причем это не просто какой-то компьютер, а робот-мать, обученная стать опекуном для человеческого ребенка. После катаклизма на Земле не осталось ничего живого. Но предусмотрительными учеными был создан бункер, где хранятся эмбрионы. Из одного зародыша робот-мать воспитывает дитя – ему предназначена миссия возродить погибшую планету. Вскоре ребенок начинает задавать слишком много вопросов, а на пороге бункера появляется женщина.

Оригинальное названиеI Am MotherЖанрФантастика, триллер, драма, детективАктерыКлара Ругор, Роуз Бирн, Хилари Суэнк…СтранаАвстралияРейтингКинопоиск – 6.6, IMDb – 6.7Возрастные ограничения16+

Медицина

Искусственный интеллект широко используется для поддержки принятия решений в медицине. Но как вам такой пример: китайский интеллектуальный робот Xiaoyi («Сяо И») впервые сдал экзамен на врача и получил лицензию на врачебную деятельность.

Разработка компании iFlytek находит и анализирует информацию о пациенте. К работе он приступит в марте. Предполагается, что Xiaoyi будет ассистировать врачам, чтобы повысить качество их работы. Робот сосредоточится на противоопухолевой терапии, а также на обучении врачей общей практики, которых в сельских районах Китая очень мало.

Ещё одно интересное решение – Wave Clinical Platform от ExcelMedical. Система следит за жизненными показателями пациента и предупреждает врачей за шесть часов до его возможной скоропостижной смерти. Платформа системно анализирует информацию и рассчитывает риски неблагоприятного исхода.

В рамках тестов в медицинском центре Питтсбургского университета система предотвратила шесть смертей тяжелобольных пациентов. Человек на такое просто не способен, потому что не придаст значение небольшому изменению показателей и не найдёт связь между ними.

Система DeepFaceLIFT, разработанная учёными Массачусетского технологического института, способна распознавать уровень боли по микровыражениям лица. Она решает очень сложную задачу, так как каждый человек выражает боль по-разному. DeepFaceLIFT позволит понять, кому действительно нужны обезболивающие, а кто страдает зависимостью от наркотических препаратов.

Система для анализа речи и поиска признаков психических заболеваний – разработка IBM. Специалисты отдела по вычислительной психиатрии и нейровизуализации создали интеллектуальную систему, которая может предсказать развитие психоза по речи пациента.

Пациентам предлагалось просто рассказать о себе. Система могла определить, что речь человека стала беднее, он перескакивает с одной идеи на другую и т.п. Это характерные признаки психоза.

После улучшения системы пациентам предложили пересказать ей только что прочитанную историю. На этих примерах искусственный интеллект в 83% случаев ставил правильный диагноз. Это объективно выше, чем у врачей, даже с солидным опытом.

Апгрейд (2018)

Фильм с высоким рейтингом для любителей киберпанка и неожиданных концовок. Автомеханик Грей не признает гаджеты, презирает всякие новшества и привык работать руками. Однажды он получает интересный заказ от руководителя корпорации, разрабатывающей биоимпланты. Вместе с женой он отправляется в поездку и попадает в аварию на обратном пути. Теперь Грей парализован ниже шеи, а тот последний клиент предлагает несчастному установить «Стэм» – встроенный интеллект, который в симбиозе с человеческим телом способен на многое, даже поставить героя на ноги.

Оригинальное названиеUpgradeЖанрФантастика, боевик, триллер, детектив, криминалАктерыЛоган Маршалл-Грин, Мелани Валльехо, Стив Даниелсен…СтранаАвстралияРейтингКинопоиск – 7.6, IMDb – 7.5Возрастные ограничения18+

Хронология изучения и развития искусственного интеллекта

• 1943 г. — У. Маккалок и У. Питтс опубликовали научные труды, где заложили основы идеи искусственных нейронных сетей и предложили модель нейрона, созданного искусственно.
• 1949 г. — Д.Хебб описал принципы обучения групп нейронов.
• 1956 г. — Вводится понятие ИИ.
• 1969 г. — Пайперт и Минский обнаружили и обосновали непреодолимые на тот момент времени вычислительные проблемы, возникающие при создании искусственных нейронных сетей. И интерес к ним на какое-то время практически сошел на нет.
• 1950 г.- Исследования А. Тьюринга, в популярной форме — в форме теста — показали близость интеллекта человека и машины. Человек и робот общаются с другим человеком посредством телетайпа или чата. Этот человек не знает, кто есть кто. Если робот при этом самого выбрать себя за человека, значит, он и представляет собой пресловутый ИИ.
• 1954 г. — Рождение компьютерной лингвистики. Джорджтаунский эксперимент показал возможности машинного перевода текстов. Эксперимент описывали все крупные мировые СМИ. И несмотря на то, что переводить удавалось лишь самые примитивные тексты, подавалось это как большой научный прорыв.
• 1965 г. — Создание первой экспертной системы Dendral. По данным ИК, СМ, ЯМ – спектрометрии и данных, предоставленных пользователем, ИИ выдаёт результат в виде химической структуры. Экспертная система может отбрасывать не подошедшие гипотезы, и применять новые. Ещё одна экспертная система MYCIN была создана в 1970 г. и могла распознавать патогенные бактерии, подбирать антибиотики для их уничтожения с расчетом дозировок.
• 1966 г. — Создана компьютерная программа Элиза, которая может поддерживать разговор, выдавая себя за человека.
• 1969 г. — Начало развития робототехники, создание первого универсального робота Фредди.
• 1970 г. — 17 ноября- посадка на лунную поверхность «Лунохода-1», самоходного аппарата, управляемого дистанционно, проработал 11 лунных дней, проехав 10 540 метров.
• 1970 г. — Создание экспертной системы MYCIN, которая анализирует симптомы инфекционных заболеваний крови и предлагает рекомендации по лечению.
• 1971 г. — Создание робота из Стэнфорда – первого мобильного робота, действующего по внутренней программе без руководства человека.
• 1981 г. — Создание промышленных роботов с микропроцессорным управлением и развитой сенсорикой.
• 1982 г. — Возврат интереса к нейронным сетям и создание сети с двухсторонней передачей информации (сеть Хопфилда).
• 1982 г. — Начинается разработка первой системы распознавания речи.
• 1993 г. — В Массачусетском технологическом институте успешно работает робот — экскурсовод.
• 1997 г. — Компьютер DeepBlue играет в шахматы с Гарри Каспаровым и одерживает победу.
• 1999 г. — Появление домашней робособаки Sony Aibo. Через 7 лет проект, так и не ставший сенсационным, был закрыт, но в 2017 году разработчики к нему вернулись.
• 2009 г. — Создание поисковой системы WorframAlpha, которая может распознавать естественные речевые запросы.
• 2010 г. — Использование ИИ в приложениях и устройствах для потребителя. Огромные базы данных стали прорывом в обучении ИИ, к тому же были созданы новые производительные алгоритмы обучения нейтронных сетей.
• 2017 г. — 34 сотрудника компании FukokuMutualInsurance, занимающейся страхованием, были заменены одним компьютером.
• 2017 г. — Рекомендательный ИИ на Amazon делает 40% продаж, оценивая товары, которые покупатели купят с большей долей вероятности

Работа над AI – одна из важнейших и перспективных проблем в настоящее время. Закон Мура предполагает, что в 2029 году быстродействие компьютера сравнится с уровнем работы человеческого мозга. А в 2045 году искусственный интеллект должен превзойти способности человека и начать самообучаться.

Однако основной проблемой подобных систем является не сложность обработки информации и поиск наиболее оптимальных путей решения поставленных задач, а способность мыслить и чувствовать в широком понимании этого слова. Первые наработки в этом направлении появились с развитием нейросетей, которые позволяют устанавливать меняющиеся связи между различными событиями и явлениями подобно нейронам в мозге, только работающим в тысячи раз быстрее. Отрицательными сторонами такой нейросети является невозможность их запрограммировать, они должны обучаться на собственном опыте.

У компьютерных программ есть IQ?

Нет. IQ основан на темпах развития интеллекта у детей. Это отношение возраста, в котором ребенок обычно набирает определенный результат, к возрасту ребенка. Данная оценка подходящим образом распространяется и на взрослых людей. IQ хорошо коррелирует с различными показателями успеха или неудачи в жизни. Но создание компьютеров, которые могут набрать высокий балл в тестах IQ, будет слабо связано с их полезностью. Например, способность ребенка повторять длинную последовательность цифр хорошо коррелирует с другими интеллектуальными способностями. Она показывает, какое количество информации ребенок может запомнить за один раз. При этом удержание в памяти цифр является тривиальной задачей даже для самых примитивных компьютеров.

Как сравнить человеческий и компьютерный интеллекты?

Артур Р. Дженсен, ведущий исследователь в области человеческого интеллекта, в качестве «эвристической гипотезы» утверждает, что обычные люди имеют одни и те же механизмы интеллекта и интеллектуальные различия связаны с «количественными биохимическими и физиологическими условиями». К ним относятся скорость мышления, краткосрочную память и способность формировать точные и извлекаемые долгосрочные воспоминания.   

Независимо от того, правильна ли точка зрения Дженсена в отношении человеческого интеллекта, ситуация в ИИ на сегодняшний день является противоположной.

Компьютерные программы имеют большой запас скорости и памяти, но их способности соответствуют интеллектуальным механизмам, которые разработчики программ хорошо понимают и могут вложить в них. Некоторые способности, которые дети обычно не развивают до подросткового возраста, внедряются. Другие, которыми владеют двухлетние дети, все еще отсутствуют. Дело еще более усугубляется тем фактом, что когнитивные науки до сих пор не могут точно определить, каковы человеческие способности. Скорее всего, организация интеллектуальных механизмов ИИ выгодно отличается от таковой у людей.

Когда человеку удается решить задачу быстрее, чем компьютеру, это говорит о том, что разработчикам не хватает понимания механизмов интеллекта, необходимых для эффективного выполнения данной задачи.

Технологические принципы работы искусственного интеллекта

• Машинное обучение (МО) – принцип развития ИИ на основе самообучающихся алгоритмов. Участие человека при таком подходе ограничивается загрузкой в «память» машины массива информации и постановкой целей. Существует несколько методик МО: обучение с учителем – человек задает конкретную цель, хочет проверить гипотезу или подтвердить закономерность. Обучение без учителя – результат интеллектуальной обработки данных неизвестен – компьютер самостоятельно находит закономерности, учится думать как человек. Глубокое обучение – это смешанный способ, главное отличие в обработке больших массивов данных и использование нейросетей.
• Нейросеть – математическая модель, которая имитирует строение и функционирование нервных клеток живого организма. Соответственно в идеале – это самостоятельно обучаемая система. Если перенести принцип на технологическую основу, то нейросеть – это множество процессоров, которые выполняют какую-то одну задачу в масштабном проекте. Другими словами суперкомпьютер – это сеть из множества обычных компьютеров.
• Глубокое обучение относят в отдельный принцип ИИ, так как этот метод используется для обнаружения закономерностей в огромных массивах информации. Для такой непосильной человеку работы, компьютер использует усовершенствованные методики.
• Когнитивные вычисления – одно их направлений ИИ, которое изучает и внедряет процессы естественного взаимодействия человека и компьютера, наподобие взаимодействия между людьми. Цель технологии искусственного интеллекта заключается в полной имитации человеческой деятельности высшего порядка – речь, образное и аналитическое мышление.
• Компьютерное зрение – это направление ИИ используется для распознавания графических и видеоизображений. Сегодня машинный интеллект может обрабатывать и анализировать графические данные, интерпретировать информацию в соответствии с окружающей обстановкой.
• Синтезированная речь. Компьютеры уже могут понимать, анализировать и воспроизводить человеческую речь. Мы уже можем управлять программами, компьютерами и гаджетами с помощью речевых команд. Например, Siri или Google assistant, Алиса в Яндексе и другие.

Основные проблемы ИИ на сегодняшний день

Как вы понимаете возможности искусственного интеллекта на данной стадии развития не безграничны. Перечислим главные трудности:

• Обучение машин возможно только на основе массива данных. Это означает, что любые неточности в информации сильно сказываются на конечном результате.
• Интеллектуальные системы ограничены конкретным видом деятельности. То есть умная система, настроенная на выявление мошенничества в сфере налогообложения, не сможет выявлять махинации в банковской сфере. Мы имеем дело с узкоспециализированными программами, которым ещё далеко до многозадачности человека.
• Интеллектуальные машины не являются автономными. Для обеспечения их «жизнедеятельности» необходима целая команда специалистов, а также большие ресурсы.

Пределы глубокого обучения и нейросетей

Несмотря на все свои преимущества, глубокое обучение и нейросети все еще имеют существенные недостатки.

• Зависимость от данных: в целом, алгоритмы глубокого обучения требуют огромного количества обучающих данных для точного выполнения своих задач. К сожалению, для решения многих проблем недостаточно качественных данных обучения для создания рабочих моделей.
• Непредсказуемость: нейронные сети развиваются каким-то странным путем. Иногда все идет как задумано. А иногда (даже если нейросеть хорошо справляется со своей задачей), даже создатели изо всех сил пытаются понять, как же алгоритмы работают. Отсутствие предсказуемости делает чрезвычайно трудным устранение и исправление ошибок в алгоритмах работы нейросетей.
• Алгоритмическое смещение: алгоритмы глубокого обучения так же хороши, как и данные, на которых они обучаются. Проблема заключается в том, что обучающие данные часто содержат скрытые или явные ошибки или недоработки, и алгоритмы получают их «в наследство». Например, алгоритм распознавания лиц, обученный в основном на фотографиях белых людей, будет работать менее точно на людях с другим цветом кожи.
• Отсутствие обобщения: алгоритмы глубокого обучения хороши для выполнения целенаправленных задач, но плохо обобщают свои знания. В отличие от людей, модель глубокого обучения, обученная играть в StarCraft, не сможет играть в другую подобную игру: скажем, в WarCraft. Кроме того, глубокое обучение плохо справляется с обработкой данных, которые отклоняются от его учебных примеров.

Становится всё меньше сомнений в том, что цифровые версии человека и его ментальное бессмертие — это только вопрос времени

Искусственный интеллект играет большую роль в сфере здравоохранения. С одной стороны, ИИ помогает автоматизировать работу врачей и делать её более эффективной. С другой — используется в поисках решений для кардинального продления человеческой жизни.

Развитие технологий в целом и искусственного интеллекта в частности свидетельствует о том, что амбициозные идеи, высказанные нынешними исследователями и учёными, могут стать частью нашего будущего.

Но даже если технологии не сделают нас в ближайшем будущем бессмертными, растущая взаимосвязь человеческого и машинного интеллекта приведёт общество к большому количеству медицинских достижений — к будущему с более доступным, персонализированным и безопасным профилактическим лечением, где качество и уровень здоровья, продолжительность нашей жизни резко увеличатся.

Если вас интересует обучение по направлению «Data Science», посмотрите программы Нетологии:

Инвестиционное развитие ИИ

Согласно прогнозам экспертов компании Gartner, к началу 2020-х годов практически все выпускаемые программные продукты будут использовать технологии искусственного интеллекта. Также специалисты предполагают, что около 30% инвестиций в цифровую сферу будут приходиться на ИИ.

По мнению аналитиков Gartner, искусственный интеллект открывает новые возможности для кооперации людей и машин. При этом процесс вытеснения человека ИИ невозможно остановить и в будущем он будет ускоряться.

В компании PwC считают, что к 2030 году объем мирового валового внутреннего продукта вырастет примерно на 14% за счет быстрого внедрения новых технологий. Причем примерно 50% прироста обеспечит повышение эффективности производственных процессов. Вторую половину показателя составит дополнительная прибыль, полученная за счет внедрения ИИ в продукты.

Первоначально эффект от использования искусственного интеллекта получит США, так как в этой стране созданы лучшие условия для эксплуатации машин на ИИ. В дальнейшем их опередит Китай, который извлечет максимальную прибыль, внедряя подобные технологии в продукцию и ее производство.

Эксперты компании Saleforce заявляют, что ИИ позволит увеличить доходность малого бизнеса примерно на 1,1 триллиона долларов. Причем произойдет это к 2021 году. Отчасти добиться указанного показателя удастся за счет реализации решений, предлагаемых ИИ, в системы, отвечающие за коммуникацию с клиентами. Одновременно с этим будет улучаться эффективность производственных процессов благодаря их автоматизации.

Внедрение новых технологий также позволит создать дополнительные 800 тысяч рабочих мест. Эксперты отмечают, что указанный показатель нивелирует потери вакансий, произошедшие из-за автоматизации процессов. По прогнозу аналитиков, основанных на результатах опроса среди компаний, их расходы на автоматизацию производственных процессов к началу 2020-х годов возрастут примерно до 46 миллиардов долларов.

В России также ведутся работы в области ИИ. На протяжении 10 лет государство профинансировало более 1,3 тысячи проектов в данной сфере. Причем большая часть инвестиций пошло на развитие программ, не связанных с ведением коммерческой деятельности. Это показывает, что российское бизнес-сообщество пока не заинтересовано во внедрении технологий искусственного интеллекта.

В общей сложности на указанные цели в России инвестировали порядка 23 миллиардов рублей. Размер государственных субсидий уступает тем объемам финансирования сферы ИИ, которые демонстрируют другие страны. В США на эти цели каждый год выделяют порядка 200 миллионов долларов.

В основном в России из госбюджета выделяют средства на развитие технологий ИИ, которые затем применяются в транспортной сфере, оборонной промышленности и в проектах, связанных с обеспечением безопасности. Это обстоятельство указывает на то, что в нашей стране чаще инвестируют в направления, которые позволяют быстро добиться определенного эффекта от вложенных средств.

Приведенное выше исследование также показало, что в России сейчас накоплен высокий потенциал для подготовки специалистов, которые могут быть задействованы в разработке технологий ИИ. За 5 последних лет обучение по направлениям, связанным с ИИ, прошли примерно 200 тысяч человек.

Полезные + Развлечения + Случайные

• CaptionBot — Microsoft описывает любую фотографию.
• Crowdfunding.ai — краудфандинговая платформы для ИИ-проектов.
• Elevator — Помогает находить и покупать каннабис (с рекомендациями).
• Fieldguide — Универсальное полевое знаний, которое предлагает возможные совпадения.
• Frankenstain.ai — Это совместный эксперимент с использованием ИИ, машинного обучения, робототехники, биоинженерии и IoT.
• #Laugh — Смех, визуализированный в цифровом формате, который может быть отправлен в космос.
• IntelligentX Brewing Co. — Пиво, сваренное искусственным интеллектом.
• Spark — Помогает заказать каннабис текстовым сообщением.
• Token — Помогает отправить идеальный подарок.
• Wixi — Помогает исправить проблемы с Wi-Fi.
• Mushroom AI — От переводчика: Распознаёт грибы по фотографии.

Ограничения игрового ИИ

• ИИ не нужно заранее тренировать, будто это алгоритм машинного обучения. Бессмысленно писать нейросеть во время разработки, чтобы наблюдать за десятками тысяч игроков и изучать лучший способ игры против них. Почему? Потому что игра не выпущена, а игроков нет.
• Игра должна развлекать и бросать вызов, поэтому агенты не должны находить лучший подход против людей.
• Агентам нужно выглядеть реалистичными, чтобы игроки чувствовали будто играют против настоящих людей. Программа AlphaGo превзошла человека, но выбранные шаги были сильно далеки от традиционного понимания игры. Если игра имитирует противника-человека, такого чувства не должно быть. Алгоритм нужно изменить, чтобы он принимал правдоподобные решения, а не идеальные.
• ИИ должен работать в реальном времени. Это значит, что алгоритм не может монополизировать использование процессора в течение длительного времени для принятия решений. Даже 10 миллисекунд на это — слишком долго, потому что большинству игр достаточно от 16 до 33 миллисекунд, чтобы выполнить всю обработку и перейти к следующему кадру графики.
• Идеально, если хотя бы часть системы управляется данными, чтобы «некодеры» могли вносить изменения, и чтобы корректировки происходили быстрее.

Условные операторы

every frame/update while the game is running:
if the ball is to the left of the paddle:
move paddle left
else if the ball is to the right of the paddle:
move paddle right

• Часть Sense находится в двух операторах if. Игра знает где мяч и где платформа, поэтому ИИ обращается к ней за этой информацией.
• Часть Think тоже входит в два оператора if. Они воплощают в себе два решения, которые в данном случае являются взаимоисключающими. В результате выбирается одно из трех действий — переместить платформу влево, переместить вправо, или ничего не делать, если она уже правильно расположена.
• Часть Act находится в операторах Move Paddle Left и Move Paddle Right. В зависимости от дизайна игры, они могут перемещать платформу мгновенно или с определенной скоростью.

Дерево решений

• Узлы принятия решений: выбор между двумя альтернативами на основе проверки некоторого условия, где каждая альтернатива представлена в виде отдельного узла.
• Конечные узлы: действие для выполнения, представляющее окончательное решение.

Отберёт ли ИИ работу у людей

Развитие ИИ неизбежно повлияет на рынок труда. Но этому не стоит удивляться, ведь по сути это всё равно что модернизация и автоматизация. Какие-то профессии исчезнут, и появятся новые, ведь развитие ИИ повлияет и на развитие других областей.

Сейчас есть список профессий, которые, предположительно, искусственный интеллект, нейросети и чат-боты смогут забрать у человека. Например, Google инвестирует в роботов, которые пишут новости без участия человека. Некоторые виды программистов тоже могут остаться в перспективе без работы: речь идёт прежде всего о «кодерах», которые занимаются тем, что собирают готовые блоки, то есть их работу можно свести к алгоритму. То же касается, к примеру, HR-специалистов: нейросети могут охватывать гораздо больше источников информации, чтобы искать кандидатов, систематизировать их по определённым критериям и отправлять им уведомления. Также под угрозой исчезновения находятся операторы call-центров: на их плечи ложится очень много типовой работы, которую можно автоматизировать.

При этом развитие ИИ вызывает опасения. Один из главных изобретателей современности и основатель компаний SpaceX и Tesla Илон Маск назвал искусственный интеллект «самым большим риском, с которым человечество сталкивается как цивилизация». По его словам, компании, устраивая гонку за более передовыми технологиями, могут забыть про те опасности, которые исходят от искусственного интеллекта. Также неоднозначно искусственный интеллект оценивает и Стивен Хокинг. Учёный опасается, что он может привести к деградации человека, сделав его беспомощным перед лицом природы.

В данный момент трудно предсказать точные горизонты, которых сможет достичь ИИ. Но на сегодня мы знаем две важные вещи: некоторую работу нельзя делать без вмешательства человека, и совершенный ИИ, управляющий всем, – это пока фантастика.