Это уже не первый случай, когда будущее ИИ связывают с элементами научной фантастики. Ученые-компьютерщики предсказывают, что в недалеком будущем ИИ будет обладать возможностями, сравнимыми с кибернетической формой жизни Борг из "Звездного пути". Это один из немногих случаев, когда эксперты, делающие "утопические" прогнозы относительно будущего ИИ, попадают в заголовки специализированных журналов. Новое исследование ученых из Университета Лафборо, Массачусетского технологического института (MIT) и Йельского университета, опубликованное в журнале Nature Machine Intelligence, предсказывает, что ИИ будущего окажет положительное влияние на общество, обеспечивая конструктивную поддержку в различных областях. Так, они предвидят развитие "коллективного ИИ", который будет состоять из сети множества отдельных ИИ. Каждый ИИ сможет постоянно учиться и приобретать новые знания и навыки. Наиболее интересным аспектом этой концепции является то, что эти ИИ будут взаимосвязаны и смогут обмениваться информацией и знаниями. Это позволит всей сети извлекать пользу из обучения и опыта каждой единицы. Преимущества коллективного ИИ Одним из главных преимуществ коллективного ИИ является возможность мгновенного обмена знаниями внутри сети. Это позволяет подразделениям учиться друг у друга и быстро адаптироваться к новой информации и ситуациям. Такой способ работы позволяет коллективному ИИ эффективно реагировать на вызовы, угрозы и новые ситуации. Эта технология используется в самых разных областях. Например, в области кибербезопасности, если одно устройство успешно распознает атаку, оно может "предупредить" остальные устройства сети и повысить уровень защиты всей системы. Исследователи также рассказали об интересном применении коллективного ИИ в здравоохранении. Система может эффективно улучшить медицинское обслуживание, объединив медицинские знания с данными пациента, что приведет к более эффективному персонализированному лечению. Однако эта концепция не лишена рисков. Одна из главных опасностей - возможность быстрого распространения вредных или незаконных знаний через сети. Чтобы предотвратить это, исследователи подчеркивают важность сохранения независимости каждой единицы ИИ в команде, сохранения ее собственных целей и способности принимать независимые решения. Новые тенденции в машинном обучении Чтобы прийти к такой оценке, исследователи проанализировали эволюцию машинного обучения. В современных моделях ИИ этот процесс происходит на этапе обучения, после чего способность усваивать новую информацию ограничена. Однако, проанализировав существующие и прошлые системы, инженеры отметили интересную смену парадигмы. Более того, они обнаружили, что разработчики все активнее трудятся над созданием универсальных протоколов и языков для облегчения обмена знаниями между различными системами ИИ. Как объясняют исследователи, "недавняя тенденция исследований заключается в эффективном повторном использовании знаний для оптимизации скорости обучения и энергопотребления путем наделения моделей ИИ возможностью непрерывной адаптации после развертывания и предоставления этих знаний для повторного использования в других моделях". Они добавляют: "Мы считаем, что в будущем, когда появятся устойчивые, масштабируемые и разделяемые коллективные единицы ИИ, нынешние крупномасштабные, дорогостоящие, не разделяемые и неустойчивые модели ИИ не выживут".