Оглавление
1 Назначение, особенности и проблемы создания искусственного интеллекта.. 3
2 Модели разработки искусственного интеллекта. 8
2.1 Общие направления разработки искусственного интеллекта 8
Введение
Искусственный интеллект (ИИ) — это интеллект, созданный машинами (включая роботов и компьютеры) для имитации работы человеческого мозга. Это концепция исходит из компьютерных наук и была впервые введена в 1955 году американским ученым-программистом Джоном МакКарти в отчете исследовательского проекта Дармутского колледжа по искусственному интеллекту. В этой статье он описывает искусственный интеллект как машину, ведущую себя так, что заслуживает от людей названия умной[1].
Тем не менее, трудно точно определить, что такое «интеллект», поэтому определение ИИ — непростая задача. Вообще говоря, искусственный интеллект — это уровень интеллекта, который люди не могли сами программировать на компьютерах, а рожденный самими компьютерами.
Сегодня в области искусственного интеллекта ведется много исследований в различных областях, включая робототехнику и информатику. Эти подполя обычно основаны на социальных факторах, включая такие характеристики человека, как рассуждение, сбор знаний, планирование, обучение, обработка естественного языка, восприятие и способность высказывать свои мнения. Они также сосредоточены на способности двигаться и / или манипулировать объектами. Задумываются, например, об использовании ИИ в роботах и беспилотных летательных аппаратах. Само исследование ИИ основано на многих других науках, включая компьютерные исследования, математику, психологию, лингвистику, философию, нейронауку и психологию роботов.
Таким образом, тема использования искусственного интеллекта является актуальной, так как он открывает новые возможности в развитии человеческого опыта. Речь идет о переходе от состояния, когда разработкой и управлением в определенных частях человеческой деятельности займутся не люди, а машины.
1 Назначение, особенности и проблемы создания искусственного интеллекта
В принципе, термин ИИ используется, когда машина или устройство имитирует человеческие когнитивные функции (включая способность мыслить). Формирование письменных документов (знаков и символов) не считается частью ИИ, поскольку это рутинная технология. Уже несколько лет множится число успешных применений искусственного интеллекта. Они становятся все более известными:
В области человеческой речи самый известный пример — цифровой помощник Apple — Siri. Siri является личным помощником для мобильной операционной системы Apple, iOS. Он использует вычислительную лингвистику для составления рекомендаций и выполнения запросов.
В конце XX века боялись того, что искусственный интеллект приведет к крупномасштабной безработице. Этого не произошло; как выяснилось, нужны машины и роботы, но также нужны и люди. Машины и роботы пока не могут быть запрограммированы и эксплуатироваться без людей[2].
В нынешнем XXI веке, когда технологии ИИ стали более развитыми. Они уже являются неотъемлемой частью технологической отрасли, но все еще существует опасение, что ИИ повысит риск массовой безработицы. Однако верно и обратное, что ИИ в основном помогает решать сложные и важные проблемы в информатике. Компьютеры, среди прочего, лучшие по математике, в пику людям. Человеческий интеллект в сочетании с вычислительной мощностью и технологией хранения компьютерной информации превосходят человеческий интеллект. Это руководящий принцип ИИ. Люди всегда будут нужны.
Общепринятым тестом для искусственного интеллекта является тест Тьюринга, созданный английским математиком Аланом Турином, одним из отцов-основателей информатики. Тьюринг разработал тест в 1950 году. В нем он пытался отличить людей от компьютеров. В тесте компьютер разговаривает с человеком, чтобы продемонстрировать, что это машинный интеллект. Чтобы игнорировать проблему внешних явлений, общение происходит через напечатанный текст. Если человека нельзя отличить от компьютера, говорят, что компьютер изображает разумное человеческое поведение[3].
Выделяют две категории ИИ: общей и узкий. Общий ИИ будет иметь все характеристики человеческого интеллекта, включая упомянутые выше возможности. Узкий ИИ обладает некоторыми аспектами человеческого интеллекта и может делать эту грань очень хорошо, но в других областях отсутствует. Машина, которая отлично подходит для распознавания образов, но не более того, будет примером узкого ИИ.
Существует четыре типа искусственного интеллекта: реактивные машины, ограниченная память, теория разума и самосознание[4].
Схема 1. Типы искусственного интеллекта
Самые основные типы систем ИИ (схема 1)являются исключительно реактивными и не имеют возможности создавать воспоминания или использовать прошлый опыт для принятия текущих решений. Deep Blue, суперкомпьютер, играющий в шахматы, который победил международного гроссмейстера Гарри Каспарова в конце 1990-х годов, является прекрасным примером такого типа ИИ.
Deep Blue может идентифицировать фигуры на шахматной доске и знать, как каждая движется. Он может делать прогнозы о том, какие шаги могут быть следующие для него и его противника. И он может выбрать наиболее оптимальные ходы из возможных.
Но у нее Deep Blue понятия прошлого и памяти о том, что произошло раньше. Помимо шахматных правил Deep Blue игнорирует все остальное. Этот тип интеллекта предполагает, что компьютер воспринимает мир напрямую и делает только то, что он видит. Он не полагается на внутреннюю концепцию мира.
Аналогично, AlphaGo от Google, который победил лучших экспертов Go Go, также не может оценить все возможные будущие шаги. Его метод анализа более сложный, чем Deep Blue, он использует нейронную сеть для оценки ходов[5].
Эти методы улучшают способность систем ИИ лучше играть в конкретные игры, но их нельзя применить к другим ситуациям.
Ограниченная память — этот класс II типа, и он содержит машины, которые могут видеть прошлое. Самоуправляемые автомобили делают это уже сейчас. Например, они наблюдают скорость и направление движения других автомобилей. Это требует идентификации конкретных объектов и мониторинга их с течением времени. Эти наблюдения добавляются к предварительно запрограммированным представлениям об автомобилях и других объектах, которые также включают в себя дорожные знаки, светофоры и другие важные элементы. Они используются, когда автомобиль решает, когда следует менять полосу движения, чтобы не подрезать другого водителя и не столкнуться с ним.
Но эти простые фрагменты информации о прошлом. Они не сохраняются как часть библиотеки автомобиля, из которой он может учиться так, как водители-люди собирают опыт в течение многих лет вождения.
Машины в следующем, более продвинутом, классе не только формируют представления о мире, но и о других агентах или сущностях в мире. В психологии это называется «теория разума» — понимание того, что люди, существа и объекты в мире могут иметь мысли и эмоции, которые влияют на их собственное поведение.
Если системы ИИ действительно будут находиться среди нас, как пугают авторы фантастических фильмов, они должны уметь понимать, что у каждого из нас есть мысли, чувства и ожидания относительно того, как с нами будут обращаться. И им придется соответствующим образом скорректировать свое поведение.
Последним шагом развития ИИ является создание систем, которые могут формировать представления о себе (иметь «самосознание»). Это, в известном смысле, расширение «теории разума», которой обладают искусственные интеллекты типа III. Сознательные существа знают о себе, знают о своих внутренних состояниях и способны предсказать чувства других. Мы предполагаем, что кто-то, кто контактирует с нами, злится или нетерпелив, потому что так мы себя ведем, когда контактирует с другими. Без теории разума делать подобные выводы нельзя.
Хотя, вероятно, сейчас еще очень далеко от создания машин, которые имеют самосознание. Пока ИИ в большинстве своем сосредоточен в первом классе реактивных машин и решает конкретные прикладные задачи
2 Модели разработки искусственного интеллекта
2.1 Общие направления разработки искусственного интеллекта
Искусственный интеллект берет мир штурмом, а его инновационные применения требуются во всех сегментах экономики. Мы пока не находимся в нескольких десятках лет от замены врача роботом с искусственным интеллектом, как это видно из фильмов, но ИИ помогает экспертам во всех отраслях быстрее диагностировать и решать проблемы, позволяя простым пользователям компьютеров делать удивительные вещи, например, находить песни с помощью голосовой команды.
Большинство людей сосредоточено на результатах ИИ. Для тех, кто любит смотреть глубже на проблему ИИ, важно понять его четыре основных элемента: категоризация, классификация, машинное обучение и совместная фильтрация. Эти четыре столпа ИИ также представляют собой шаги в аналитическом процессе.
Категоризация включает создание показателей, характерных для проблемной области (например, финансирование, создание сетей). Классификация включает определение того, какие данные наиболее важны для решения проблемы. Машинное обучение в себя обнаружение аномалий, кластеризацию, углубленное изучение данных и получение выводов с использованием машинных алгоритмов. Совместная фильтрация предполагает поиск шаблонов в больших наборах данных.
2.2 Категоризация
ИИ требует большого количества данных, которые имеют отношение к решаемой проблеме. Первым шагом на пути создания решения ИИ является создание того, что называют иногда метриками проекта, которые используются для категоризации проблемы. Независимо от того, пытаются ли пользователи создать систему, которая может играть в шахматы, помочь врачу диагностировать болезнь или помочь ИТ-администратору диагностировать проблемы с беспроводной сетью, необходимо определить показатели, которые позволят разбить проблему на более мелкие части – показатели или метрики. Например, в беспроводной сети ключевыми показателями являются время подключения пользователя, пропускная способность, охват и роуминг. При диагностике болезни ключевыми метриками являются данные анализов, генетический фон и данные рентгеновского или ультразвукового сканирования.
2.3 Классификация
После того, как решена проблема с разбивкой по разным областям — категоризацией, следующим шагом будет формирование классификаторов для каждой категории, которые будут указывать пользователям ИИ направления значимого вывода. Например, при подготовке системы ИИ к игре в шахматы необходимо сначала классифицировать вопрос как игровой по своей природе или игру с правилами, а затем классифицировать проблемы по времени, человеку, предмету или месту. В беспроводной сети, когда пользователи знают категорию проблемы (например, проблема может возникнуть перед или после подключения), пользователям необходимо начать классифицировать причину проблемы: аутентификация, неисправность протокола конфигурации или другая неисправность беспроводной сети и устройств[6].
2.4 Машинное обучение
Теперь, когда проблема разделена на специфичные фрагменты метаданных, необходимо передать эту информацию в волшебный и мощный мир машинного обучения. Существует множество алгоритмов и методов машинного обучения, которые контролируют машинное обучение с использованием нейронных сетей (т.е. глубокое обучение), став одним из самых популярных подходов. Концепция нейронных сетей существует с 1949 года, но с последним увеличением возможностей вычислений и хранения нейронные сети в настоящее время обучаются решению самых разных проблем: от распознавания образов и обработки естественного языка до прогнозирования производительности сети. Другие приложения включают обнаружение аномалий временных рядов и корреляцию событий для анализа основных причин[7].
2.5 Совместная фильтрация
Большинство людей сталкиваются с совместной фильтрацией, когда они выбирают фильм в онлайн кинотеатре или покупают что-то в интернет-магазине и получают рекомендации для фильмов в таких сервисах как «Кинопоиск» или предметов, которые им могут понравиться на Яндекс-маркете. Помимо рекомендаций, совместная фильтрация также используется для сортировки больших наборов данных в решениях ИИ. Именно здесь весь сбор данных и анализ превращаются в осмысленное понимание или действие. Используется ли это в игровом шоу, или в технологии распознавания болезни, или сетевом администрировании, совместная фильтрация является средством обеспечения ответов с высокой степенью уверенности. Это похоже на виртуального помощника, который помогает решать сложные проблемы.
ИИ все еще очень молод, но его влияние глубокое и будет ощущаться еще более остро, поскольку оно становится все большей частью нашей повседневной жизни.
3 Перспективы использования технологии искусственного интеллекта в разных областях практики и искусства
Компания Science Guide, стартап ВШЭ РФ, посвященный развитию прикладной науки, опубликовал отчет о состоянии ИИ в России в 2017 году, в котором перечислены 150 российских компаний искусственного интеллекта[8]. Согласно отчету, большинство компаний по разработке ИИ работают над машинным видением (33%), за которым следуют алгоритмы принятия решений (17%) и распознавание образов / видео (14%). Рассмотрим примеры некоторых успешных российских компаний, вырвавшихся вперед в исследовании искусственного интеллекта.
Основанный в 2012 году, московский стартап Visionlabs разработfk решениz компьютерного зрения для распознавания лиц, объектов в дополненной и виртуальной реальности. Команда стартапа создала платформу с открытым исходным кодом, которая сотрудничает с Facebook и Google с 2016 году, чтобы помочь запускам проектов в области компьютерного зрения во всем мире. С тех пор Visionlabs сотрудничает с крупными банками и корпорациями по поводу поставки своей биометрической идентификационной платформу Luna, включив ее в процессы идентификации клиентов[9]. Компания также работает с авиакомпаниями «Сибирь», чтобы предоставлять персонализированные услуги своим путешественникам бизнес-класса на основе распознавания лиц. К концу 2017 года Сбербанк, ведущий российский банк, приобрел 25% акций Visionlabs для совместной работы над созданием платформы идентификации по лицу, голосу и сетчатке глаза для своих клиентов. Сбербанк активно работает в сфере искусственного интеллекта и уже внедрены в практику первые разработки.
Интернет-банк Сбербанка «Сбербанк Онлайн» начал давать советы пользователям через искусственный интеллект. Искусственный интеллект анализирует поведение пользователей приложений «Сбербанк Онлайн» и пытается дать лучший совет. Банк ожидает, что услуга будет интересовать все 20 миллионов пользователей мобильного клиента компании на платформе Андроид[10]. Затем «Мой помощник» будет интегрирован в другие приложения «Мобильного банка» Сбербанка.
Однако искусственный интеллект Сбербанка, хотя и значительный по охвату, но не самый продвинутый ИИ в России. Так фирма RoboCV разрабатывает промышленных роботов для склада. Основанная в 2012 году, эта московская компания разработала автономные транспортные технологии для использования в логистике и складировании. Их технология X-MOTION NG предназначена для складов и быстроразвивающихся центров распределения потребительских товаров и может быть реализована без капитальной реорганизации существующих процессов[11].
Движения вилочных погрузчиков основаны на предопределенных маршрутах на карте, а подключенные транспортные средства используют их для навигации и выполнения задач, определенных на лету, без необходимости участия человека. Вилочные погрузчики взаимодействуют друг с другом для повышения эффективности и могут управлять транспортными зонами без участия людей. Технология готова к внедрению и в другие типы транспортных средств. RoboCV работает с Samsung и Volkswagen и может похвастаться возвратом инвестиций в течение двух лет.
Компания «Double Data», основанная в 2012 году, разработала масштабные решения для данных банков и финансовых учреждений. Их алгоритмы ИИ анализируют общественную информацию в Интернете, такую как социальные медиа, интересы, связи, историю занятости и доход, чтобы помочь с кредитными заявками, взысканием долгов и кредитным мошенничеством.
Рис. 2. Распознавание по лицу в смартфоне[13]
Основанная в 2011 году, компания 3DiVi разработала технологии 3D-зрения для игровых платформ, цифровых вывесок и приложений виртуальной реальности. ИИ 3DiVi выделяется способен распознавать жесты и отслеживать движения всего тела в 3D.
Алгоритмы распознавания лиц компании 3DiVi были использованы в различных сценариях, таких как система биометрического распознавания лиц в аэропортах, очки дополненной реальности для правоохранительных органов, а также профилирование рекламной аудитории. Приложение компании 3DiVi для отслеживания движения тела под названием Nuitrack поставляется с собственным сенсором.
Еще один ИИ предназначен для российских водителей. Основанный в 2013 году стартап из Казани разработал приложения для автомобильной навигации дополненной реальности с использованием машинного зрения.
RoadAR предлагает обновленные карты в режиме реального времени, используя компьютерное зрение, чтобы обновлять карты, дополненная реальность используется как служебная камера, уведомляющая в реальном времени о событиях в дороге и поддерживающая голосовые и текстовые сообщения с другими пользователями.
RoadAR доступен в App Store и в Google Play (под названием Roadly). Команда также разработала алгоритм распознавания номерного знака, который на 98%, точнее чем у конкурентов.
Пермская компания «Promobot» разработала автономного робота обслуживания клиентов для бизнеса. Promobot может работать как администратор, промоутер или музейный гид. Он может работать в кинотеатрах, музеях, торговых центрах, бизнес-центрах, конференц-центрах и выставочных залах, а также в других переполненных местах.
Основанный в 2012 году, Санкт-Петербургский стартап Cubic Robotics разработал ИИ — личный помощник. Он может подключаться к нескольким домашним устройствам, таким как термостаты, источники света или телевизоры. Он также взаимодействует со смартфоном и носимыми материалами, предлагая смотреть телепередачи, измерять калории, сжигаемые во время тренировки, или заказывать еду на вынос.
Команда также разрабатывает специальные навыки Amazon Alexa для таких предприятий, как настройка напоминаний с помощью голосовых команд и получение напоминаний через Facebook Messenger.
Московский стартап NTechLab, основанный в 2015 году, разработал собственный алгоритм распознавания лиц. Он не только проверяет или идентифицирует лица, но и определяет возраст, пол и эмоции. Алгоритмы компании получили известность, выиграв первый в мире конкурс на распознавание лиц. Компания имеет 2000 клиентов по всему миру, включая Великобританию, США и Китай, а также работает с ВКонтакте, российским конкурентом Facebook. Приложения ИИ NTechLab работают в сфере общественной безопасности, банковском деле, розничной торговле, развлечениях и организации мероприятий.
Рис. 5. Технология распознавания лиц NTechLab[17]
Основаннsq в 2009 году, московский стартап Synesis разработал платформу видеоаналитики под названием Kipod, которая функционирует как поиск Google для видеоконтента. Используемый правоохранительными органами и частными организациями безопасности, Kipod способен находить человеческие лица, номерные знаки, объекты и поведенческие события в огромных количествах кадров. Что действительно уникально в облачном сервисе компании, так это его масштабируемость: компания утверждает, что может работать с миллионом пользователей, одним миллионом камер и искать видео на одном петабайте (миллион гигабайт) видео.
Рис. 6. Облачная платформа для умного города Kipod [18]
Московский стартап Stafory разработал робота-кадровика под названием Вера. Stafory утверждает, что Вера может искать рабочие места и внутренние базы данных для кандидатов, отображать их, разговаривать с соискателями и даже проводить видео-опросы, распознающие эмоции кандидатов.
Рис. 7. Сервис поиска сотрудников STAFORY Вера [19]
В настоящее время Вера проводит 50 000 интервью для клиентов Stafory, включая IKEA, Microsoft, Burger King и Raiffeisen Bank, и может найти лучших кандидатов в 10 раз быстрее, чем HR-специалисты. Запуск сервиса поиска сотрудников STAFORY объясняется потребностью ИИ в рекрутинге, что освобождает персонал персонала для более активных действий в области управления человеческим капиталом компании и развития корпоративной культуры.
Однако, область применения ИИ гораздо шире, чем решение практических вопросов. Произведение искусства, созданное искусственным интеллектом программой, было продано на аукционе за 432 000 долларов.
Рис. 8. Портрет Эдмонда Белами
Окончательная цена намного выше, чем оценка в размере от 7 000 до 10 000 долларов, выставленная ей аукционным домом Christie’s в Нью-Йорке до продажи.
Картина под названием «Портрет Эдмонда Белами» была создана парижским коллективом «Obvious». Работы создавались с использованием алгоритма и набора данных из 15 000 портретов, написанных между 14 и 20 веками.
Чтобы сгенерировать изображение, алгоритм сравнивал свою работу с теми, которые были в наборе данных.
Портрет — это первое произведение искусства искусственного интеллекта, которая попала в крупный аукционный дом. Продажа привлекла значительное внимание средств массовой информации.
Правоохранительные органы Испании используют систему искусственного интеллекта (ИИ), способную выявлять поддельные преступления и кражи. Исследователи из Университета Кардиффа и Мадридского университета ИИ, получившего название VeriPol, которая использует автоматический анализ текста и машинное обучение для выявления ложных утверждений. VeriPol может идентифицировать ложные отчеты о кражах с более чем 80-процентной точностью[20].
Хотя подача ложных заявлений часто является уголовным преступлением сама по себе, когда дело доходит до таких вопросов, как кража, тогда может быть предъявлено требование выплат страховки, люди идут и на это преступление.
Инструмент AI способен анализировать письменные заявления, чтобы распознавать шаблоны, которые чаще всего ассоциируются с ложными утверждениями, такими как виды предметов, якобы украденных, описания, данные предполагаемых грабителей.
Темы, которые часто указывали на поддельное заявление обычно включают акцент на похищенных предметах, а не на самом инциденте; недостаток деталей, который говорит о том, что заявитель действительно не использует свою память; ограниченная информация об атакующем, отсутствие свидетелей и неспособность связаться с правоохранительными органами или медицинским работником сразу же после этого.
Якобы украденными чаще всего оказывались высокотехнологичные изделия, такие как iPhone и смартфоны Samsung, тогда как ювелирные изделия и велосипеды часто связывались с реальными случаями грабежа.
VeriPol провел обработку более чем 1000 полицейских отчетов, в ходе которых мог обнаружить ложное заявление восемь из десяти раз.
Исследователи из Массачусетского технологического института (Массачусетский технологический институт) разработали ИИ, который, вероятно, является первым в мире — «психологом» — ИИ. Эксперимент основан на тесте Роршаха 1921 года, который идентифицирует черты людей, основываясь на их восприятии чернильных пятен, что известно как расстройства мысли. ИИ был назван Норман в честь психопата убийцы Нормана Бейтса в фильме Альфреда Хичкока 1960 года «Психо»[21].
Там, где обычный алгоритм видит группу птиц, сидящих на дереве, Норман видит, что подвергающееся электрошоку и часто выдает правильное заключение.
Таким образом, ИИ это технология, которая уже оказывает влияние на рынок искусства будущего, — хотя еще слишком рано предсказать, какими могут быть эти изменения.
Заключение
Технологический прогресс умножает возможности использования информатики во многих областях человеческого знания. В соответствии с этим уже стало нормальным видеть клинические лаборатории, больницы, школы, музеи, фирмы, такси, которые оказывают услуги, основанные на использовании компьютерных технологий.
Следовательно, специалисты из различных областей стараются производить соответствующее программное обеспечение, но сталкиваются с другой проблемой: где (и как) получить информацию, необходимую для ежедневных задач, давая силу задачам пользователя. Таким образом, возникли компьютерные сети, где каждый может работать индивидуально или совместно использовать ресурсы, не только программное обеспечение, но аппаратные средства, взаимодействующие удаленно между различными точками в той же организации; например, головной офис и его многочисленные филиалы, разбросанные по всей стране, как у Сбербанка.
Это движение мотивировало предложение новых услуг. В том числе находит все большее применение искусственный интеллект.
Искусственный интеллект — это часть компьютерной науки, которая ориентирована на разработку таких машин или систем, которые могли бы решить проблемы, которые в противном случае могут потребовать работы человеческого интеллекта. Искусственный интеллект сочетает в себе особенности компьютерной науки, физиологии и философии. Идея состоит в том, чтобы сделать машину искусственно разумной путем включения таких программ и оборудования, которые способны самостоятельно принимать решения в случае проблем в конкретной отрасли деятельности, для которого создана система. Исследователь создает такие системы, которые могут подражать мыслям человека, распознавать человеческую речь и взаимодействовать с ними, отвечать на вопросы, перемещать шахматные фигуры в соответствии с ходами противника-человека. Использование искусственного интеллекта нашло применение в различных экспертных системах, например, предназначенных для химического анализа и медицинской диагностики.
Главная ценность система искусственного интеллекта заключается в том, что они обучаются, а не запрограммированы заранее: они учатся, развиваются в своей среде. Другие основные преимущества ИИ лежат в его способности распознавать и классифицировать образцы и обрабатывать огромный массив входных данных. В результате, они лучше всего используются в анализе фондового рынка, идентификации отпечатков пальцев, распознавание символов, распознавании лица, распознавание речи и научного анализа данных.
Российские компании разработчики в области искусственного интеллекта работают, и весьма успешно, на глобальных рынках, добиваясь признания и завоевывая международных клиентов. Cubic Robotics и Synesis родились как проекты в России, но недавно переместили свои штаб-квартиры в США и Канаду соответственно. Это подчеркивает важность для мировой экономики российских разработок ИИ.
Список литературы
[1] Бостром Н. Искусственный интеллект: Этапы. Угрозы. Стратегии. – М., Манн, Иванов и Фербер, 2015. С. 15.
[2] Драм. К. Не миллионы людей потеряют работу — десятки миллионов
[3] Тест Тьюринга: разумность познается в общении
[4] Хель И. Четыре типа искусственного интеллекта: от реактивных роботов до сознательных существ
[5] ИИ AlphaGo от Google DeepMind стал полностью самообучаемым
[6] Направления использования систем искусственного интеллекта (ИИ) URL: https://helpiks.org/3-10645.html
[7] Машинное обучение URL: http://www.machinelearning.ru/wiki/index.php
[8] Будущее искусственного интеллекта: мнения экспертов URL:
[10] Сбербанк начал давать советы клиентам с помощью искусственного интеллекта
[11] Резидент Фонда «Сколково» компания RoboCV привлекла 3 млн долларов инвестиций на разработку транспортных роботов URL:
[12] Интеллектуальные автопилоты для складской техники
[13] Распознавание лиц
[14]Разработка и исследования в области компьютерного зрения, SLAM и HD-мэппинга.
[15] Кто такой Promobot? URL:
[16] Cubic Robotics: почему мы решили идти на мировой краудфайндинг
[17] Российский разработчик NTechLab внедрит систему распознавания лиц в магазины
[18] Облачная платформа для умного города на основе технологий AI и Big Data
[19] Фонд развития интернет-инициатив (ФРИИ ) инвестирует 50 млн рублей в сервис поиска сотрудников STAFORY
[20] Только правда. Как искусственный интеллект научился определять фальшивые заявления об ограблении
[21]Тест Нормана. Разработчики создали искусственный интеллект, который мыслит как маньяк-психопат