Кай-Фу Ли — один из известнейших экспертов в области искусственного интеллекта. За долгую и блестящую карьеру он узнал изнутри, как работают Кремниевая долина США и IT-отрасль Китая, поэтому с уверенностью делает прогнозы о том, кто и почему победит в гонке ИИ. Но эта победа может обернуться безработицей и невиданным социальным расслоением по всему миру. Катастрофа почти неизбежна, но после серьезнейшего личного кризиса Кай-Фу Ли увидел неожиданный выход.
Здесь отрывок из книги «Сверхдержавы искусственного интеллекта».
ПОВЕСТЬ О ДВУХ ГОСУДАРСТВАХ
Еще в 1999 году китайские исследователи ИИ блуждали во тьме в самом буквальном смысле этих слов. Сейчас я объясню, что имею в виду. В том году я посетил Научно-технический университет Китая с лекцией о нашей работе по распознаванию речи и изображений в Microsoft Research. Университет был одним из лучших технических вузов в стране, но находился в южном городе Хэфэй, в далекой от Пекина провинции. Студенты начали занимать места в аудитории еще ночью, а во время лекции те, кому мест не досталось, приникали к окнам, надеясь хоть что-то услышать. Их интерес был настолько велик, что в конце концов я попросил организаторов разрешить им стоять в проходах и даже сидеть на сцене вокруг меня.
Они внимательно слушали, как я рассказывал об основах распознавания и синтеза речи, трехмерной графики и компьютерного зрения, делали заметки и засыпали меня вопросами. Китай, бесспорно, отставал от Соединенных Штатов более чем на десятилетие в исследованиях ИИ, но те студенты впитывали знания как губки. Волнение в комнате ощущалось на физическом уровне. Лекция затянулась, и когда я вышел из аудитории и направился к главным воротам университета, уже стемнело. Корпуса общежития тянулись по обе стороны улицы, но в кампусе царила тишина, и вокруг никого не было. И внезапно все изменилось. Как будто по команде, из общежитий полился поток студентов. Я остановился, с удивлением наблюдая картину, похожую на замедленную съемку эвакуации по пожарной тревоге. Происходившую в абсолютной тишине. Только когда студенты уселись на бордюр вдоль тротуара и открыли свои учебники, я понял, что происходило: по правилам общежития свет в помещениях выключался в 11 часов, и студенты выходили на улицу, чтобы продолжить заниматься под уличными фонарями. В ту минуту в их мягком желтом сиянии я увидел перед собой сотни молодых, ярких и талантливых инженеров Китая. Тогда я не мог, конечно, знать, что будущий основатель одной из самых успешных китайских компаний, построенных на ИИ, тоже был там и пытался использовать для занятий два часа, оставшихся до наступления полной темноты. Учебники, которые читали эти студенты, были по большей части устаревшими и плохо переведенными, но будущие молодые ученые старались выжать из них все до капли. Доступ в интернет в вузах оставался редкостью, а обучение за рубежом было возможно только в том случае, если его оплачивала какая-то организация. Лишь страницы учебников с замусоленными уголками и отдельные лекции изредка приглашаемых ученых были их окошком в мир, через которое они могли получить сведения о передовых исследованиях ИИ. Как же все изменилось с тех пор!
СТРОИТЕЛЬНЫЙ МАТЕРИАЛ ДЛЯ СВЕРХДЕРЖАВЫ ИИ
Как я уже упоминал, для строительства сверхдержавы ИИ нужны четыре основные составляющие: изобилие данных, упорные предприниматели, высококвалифицированные исследователи ИИ и благоприятная политическая обстановка. Мы уже видели, как экосистема гладиаторских стартапов Китая подготовила поколение самых искушенных предпринимателей в мире и как альтернативная интернет-вселенная Китая породила богатейшую в мире экосистему данных. В этой главе дается оценка потенциала США и Китая в том, что касается государственной поддержки и экспертных знаний по ИИ. Я верю, что в эпоху внедрения ИИ уровень Кремниевой долины вполне возможно будет превзойти, пусть это и непросто. Используя всю мощь государственной поддержки и преимущества прагматического подхода, Китай проложит себе путь к скорейшему внедрению технологий, меняющих правила игры на рынке. Поскольку искусственный интеллект проникает в экономику все глубже, инженеров, работающих с ним, будет все больше. На этом этапе количество станет важнее качества. Чтобы экономика совершила рывок благодаря технологиям ИИ, недостаточно горстки элитных ученых, готовых открывать новые горизонты.
Понадобится армия блестяще обученных инженеров, которые объединятся с предпринимателями, чтобы внедрить результаты уже сделанных открытий. Китай готовит именно такую армию. За два десятилетия, прошедших со дня лекции в Хэфэе, сообщество специалистов по ИИ в Китае в значительной степени сократило разрыв с аналогичным сообществом в США. Хотя Америка все еще обходит все страны по числу исследователей-суперзвезд, китайские компании и научно-исследовательские организации пополняют свои ряды хорошо образованными инженерами, которым предстоит вступить в эпоху внедрения ИИ. Страна получила этих специалистов благодаря той жажде знаний, что я видел у них в Хэфэе. Китайские студенты, изучающие ИИ, больше не портят себе глаза, читая в темноте устаревшие учебники. Они пользуются открытой исследовательской культурой ИИ, способствующей усвоению знаний из первоисточника в режиме реального времени.
Теперь благодаря интернету они могут получить доступ к последним академическим публикациям, обсудить в группах WeChat подходы ведущих исследователей ИИ и посмотреть лекции на экранах своих смартфонов. Все это со временем позволит технологическому сообществу Китая догнать элиту интеллектуальных лидеров — ведь молодое поколение китайских исследователей-энтузиастов уже сегодня вносит свой вклад в науку. Это дает китайским стартапам возможность использовать передовые алгоритмы с открытым кодом при создании продуктов ИИ, имеющих практическое применение: автономных беспилотных летательных аппаратов, систем оплаты через распознавание лица и интеллектуальной бытовой техники. Эти стартапы сейчас борются за кусочек рынка ИИ, где доминируют несколько крупных игроков — так называемые Семь гигантов эпохи ИИ: Google, Facebook, Amazon, Microsoft, Baidu, Alibaba и Tencent. Эти компании-гиганты, четыре из которых находятся в США, а три — в Китае, ведут свою смелую игру, стремясь удержать доминирующие позиции в экономике ИИ. У них есть миллиарды долларов и головокружительные запасы данных — этого достаточно, чтобы прибрать к рукам самых талантливых специалистов. Компании-гиганты ведут работу по созданию «энергосистемы» эпохи ИИ — частных вычислительных сетей для распространения машинного обучения во всех областях экономики, пытаясь стать «базовой инфраструктурой».
Это явление вызывает беспокойство у тех, кто выступает за открытую экосистему ИИ, и чревато отставанием Китая в погоне за званием сверхдержавы ИИ. Но частные компании не смогут полностью реализовать экономический потенциал ИИ без прямой поддержки государства. Как вы помните, вскоре после того, как Кэ Цзе проиграл матч с AlphaGo, Центральное правительство Китая выпустило широкомасштабный план для выхода страны на лидерские позиции в сфере ИИ. Как и кампания под лозунгом «Массовые инновации — массовому предпринимательству!», план должен был привести к мощному технологическому рывку за счет щедрых субсидий для ИИ-стартапов и государственного заказа. В политике Китая произошли реальные сдвиги. Честолюбивые мэры по всей стране начали прилагать все усилия к тому, чтобы превратить свои города в площадки для реализации возможностей ИИ. Они стали прокладывать маршруты для грузовиков без водителя, устанавливать системы распознавания лиц на общественном транспорте и подключать транспортные сети к «городскому мозгу» для оптимизации пассажирских потоков.
За этими действиями кроется основное различие в американской и китайской политической культуре: в то время как жесткая американская политическая система беспощадно наказывает за ошибки или нерациональное использование средств, утилитарный подход Китая вознаграждает за щедрые инвестиции и участие во внедрении новой технологии. Ни одна система не может претендовать на объективное превосходство, ведь уровень свободы творчества и технических достижений в Соединенных Штатах до сих пор не имеет себе равных. Но я считаю, что в эпоху внедрения ИИ китайский подход более эффективен, а генерирование большего количества данных поможет создать задел для дальнейшего роста.
Таков эффект единого порыва, в основе которого лежит магия цифровых данных, упорство предпринимателей, политическая воля и полученные за счет самоотверженного труда знания. Поэтому, чтобы понять, на каком этапе сейчас находятся обе сверхдержавы ИИ, мы должны сначала выяснить, откуда берутся эти знания.
НОБЕЛЕВСКИЕ ЛАУРЕАТЫ И БЕЗЫМЯННЫЕ РЕМЕСЛЕННИКИ
Ступив на палубу английского почтового судна Franconia II в 1938 году, Энрико Ферми изменил мировой баланс сил. Он только что получил Нобелевскую премию по физике в Стокгольме, но вместо того чтобы вернуться домой в Италию, где правил Бенито Муссолини, Ферми со своей семьей отплыл в Нью-Йорк. Они отправились в Америку, так как их не устраивали расистские законы Италии: евреям или африканцам запрещалось иметь более одной работы и вступать в брак с итальянцами.
Жена Ферми, Лаура, была еврейкой, и он решил перевезти семью на другой конец света, вместо того чтобы терпеть антисемитизм, охвативший Европу. Это был очень личный поступок, но он привел к потрясающим последствиям для всего мира. После прибытия в США Ферми узнал об открытии учеными нацистской Германии ядерного распада и быстро приступил к изучению этого явления. Ему удалось получить первую в мире цепную ядерную реакцию в реакторе, прямо под трибунами университетского стадиона в Чикаго.
Сверхсекретный Манхэттенский проект приобрел невиданный размах и привел к созданию ядерного оружия. Сделанные тогда бомбы положили конец Второй мировой войне в Тихом океане и заложили основу для ядерного миропорядка. Ферми и Манхэттенский проект распахнули перед человечеством дверь в новую эпоху открытий. В ядерной физике 1930-е и 1940-е годы были эпохой фундаментальных прорывов, и один Энрико Ферми стоил тысячи менее блестящих физиков. Американское лидерство в значительной степени обеспечивали прибывающие в США гении вроде Ферми: мужчины и женщины, способные единолично склонить чашу весов научной мощи в пользу своего государства.
Но не каждая технологическая революция следует этой схеме. Часто после масштабного прорыва основной объем работы из рук элитных исследователей переходит к армии инженеров-ремесленников, обладающих достаточным опытом для использования той или иной технологии при решении различных практических задач. Это особенно верно для тех случаев, когда результат прорыва находит применение в повседневной жизни, а не остается в стенах нескольких военных лабораторий.
Примером такого процесса является массовая электрификация. Вслед за открытиями Томаса Эдисона в области электричества началось быстрое внедрение в жизнь различных изобретений на их основе. С электричеством экспериментировали тысячи инженеров: они искали пути, чтобы привести новые приборы в действие и реорганизовать производственные процессы. Им не нужно было совершать великие открытия, как Эдисону. Они просто должны были знать, как работает электричество, и учитывать это при создании полезной и эффективной техники. Наша нынешняя фаза реализации ИИ соответствует этой последней модели. Постоянный поток сообщений о новейших достижениях в области ИИ дает нам ошибочное ощущение, что мы живем в эпоху открытий — время, подобное тому, когда Энрико Ферми определил мировой баланс сил. На самом деле мы наблюдаем за последствиями одного фундаментального прорыва — открытия глубокого обучения и связанных с ним методов, применимых к решению множества разных проблем.
Теперь процесс требует участия хорошо обученных научных работников — мастеров-ремесленников нашей эпохи. Сегодня эти мастера используют сверхчеловеческие способности ИИ в области распознавания образов для оформления кредитов, управления автомобилями, перевода текста, игры в го и поддержки вашего голосового ассистента Amazon Alexa. Пионеры глубокого обучения — Джеффри Хинтон, Ян Лекун, Джошуа Бенжио и другие — уже стали Энрико Ферми эпохи ИИ. Они продолжают раздвигать границы возможностей искусственного интеллекта. Вероятно, они сделают еще не одно открытие, способное изменить правила игры и перевернуть сложившийся порядок в мире технологий. Но в то же время основную часть работы по применению достижений ИИ делают сегодня мастера-ремесленники.
ОБМЕН ДОСТИЖЕНИЯМИ
Нынешняя технологическая революция дала ученым и техническим специалистам важное преимущество — мгновенный доступ к последним работам ведущих новаторов в любой области. Во время промышленной революции в Англии закрытые границы государств и языковые барьеры мешали распространению важных достижений. Однако культурная открытость Америки и более свободные законы об интеллектуальной собственности помогли некоторым серьезным изобретениям просочиться туда. Тем не менее между новатором и практикомимитатором всегда оставалась существенная дистанция. В наши дни все обстоит по-другому.
Когда китайских предпринимателей спрашивают, насколько Китай отстает от Кремниевой долины в исследовании искусственного интеллекта, некоторые из них в шутку отвечают: «На 16 часов» — такова разница во времени между Калифорнией и Пекином. Америка может быть домом для лучших исследователей, но большая часть их достижений и гипотез мгновенно становится доступна любому, у кого есть подключение к интернету и основные знания об ИИ. Такому обмену информацией способствуют две определяющие черты сообщества исследователей ИИ: открытость и быстрота коммуникации. Исследователи искусственного интеллекта, как правило, публикуют свои алгоритмы, данные и результаты работы в открытом доступе. Они делают это, потому что их объединяет общая цель, а также потому что стремятся достичь объективных показателей в научном соревновании.
Во многих иных науках эксперименты нельзя точно воспроизвести в другой лаборатории: мельчайшие изменения в методе или окружающей среде могут значительно повлиять на результаты. Но эксперименты с ИИ полностью воспроизводимы, а алгоритмы являются напрямую сравниваемыми. Единственное требование — обучение и тестирование этих алгоритмов должно проводиться на идентичных наборах данных. Международные конкурсы часто требуют от соревнующихся команд, занимающихся компьютерным зрением или распознаванием речи, предоставлять свои работы для разбора другим исследователям.
Скорость совершенствования ИИ также заставляет исследователей оперативно делиться своими результатами. Многие ученые, работающие с ИИ, не пытаются совершить фундаментальные прорывы, сравнимые с открытием глубокого обучения, — они занимаются тем, что постоянно дорабатывают самые лучшие алгоритмы. Эта тонкая настройка регулярно помогает устанавливать новые рекорды точности при решении задач в области распознавания речи или визуальной идентификации. Когда исследователи соревнуются между собой, победителя определяют именно такие рекорды, а не успех разработанных продуктов или экономические результаты. И когда ученый устанавливает новый рекорд, он, конечно, хочет известности и признания. Но в современной науке все происходит очень быстро, и многие исследователи опасаются, что, пока они будут ждать публикации в журнале, их рекорд превзойдут и он останется незарегистрированным.
Поэтому они стремятся к скорейшей публикации и выбирают для нее такие сайты, как www. arxiv. org — онлайн-хранилище научных статей. Сайт позволяет исследователям мгновенно зафиксировать свои достижения с указанием времени и места. В мире, изменившемся после победы AlphaGo, китайские студенты, исследователи и инженеры стали одними из самых жадных читателей arxiv. org. Они тщательно просматривают этот сайт в поисках новых методов, впитывая все, что могут предложить самые выдающиеся исследователи в мире. Наряду с академическими публикациями китайские студенты, изучающие ИИ, также отслеживают, переводят и снабжают субтитрами лекции ведущих деятелей науки в этой области, таких как Ян Лекун, Себастьян Трун из Стэнфорда и Эндрю Ын. После десятилетий, проведенных за чтением устаревших учебников в полу тьме, эти будущие ученые упиваются свободным доступом к работам, отражающим глобальные научные тенденции.
Сообщество ИИ Китая образует гигантские группы и создает мультимедийные платформы в WeChat для подробного обсуждения всего самого нового в области ИИ. Тринадцать новых медиакомпаний, появившихся только для того, чтобы освещать этот сектор науки, предлагают своей аудитории отраслевые новости, экспертный анализ и открытый диалог. Эти информационные агентства могут похвастаться более чем миллионом зарегистрированных пользователей, а половина из них пользуется венчурным финансированием, что поднимает оценку каждого такого агентства выше 10 млн долларов. Я сам участвую в академических дискуссиях и вхожу в число пятисот членов специальной группы в WeChat, которая собирается каждую неделю, чтобы обсудить свежие публикации об исследованиях в области ИИ. Чат-группа гудит сотнями сообщений в день: серьезные вопросы по научной статье, обсуждаемой на этой неделе, скриншоты последних достижений участников в работе над алгоритмами и, конечно же, множество эмодзи. Но китайские практики не просто пассивно приобщаются к мудрости западного мира. Они теперь и сами вносят свой вклад в экосистему, и размер этого вклада стремительно растет.
© Times of U
Kai-fu Lee is one of the most renowned experts in the field of artificial intelligence. Over a long and brilliant career, he learned from the inside how the US Silicon Valley and the Chinese IT industry work, so he confidently makes predictions about who and why will win the AI race. But this victory could result in unemployment and unprecedented social stratification around the world. Catastrophe is almost inevitable, but after a serious personal crisis, Kai-Fu Lee saw an unexpected way out.
Here is an excerpt from the book “The Superpowers of Artificial Intelligence”.
A STORY OF TWO STATES
Back in 1999, Chinese AI researchers were wandering in darkness in the most literal sense of the word. Now I will explain what I mean. That year I attended the University of Science and Technology of China to give a lecture on our work in speech and image recognition at Microsoft Research. The university was one of the best technical universities in the country, but was located in the southern city of Hefei, in a province far from Beijing. Students began to take seats in the classroom at night, and during the lecture those who did not get seats leaned to the windows, hoping to hear at least something. Their interest was so great that in the end I asked the organizers to allow them to stand in the aisles and even sit on the stage around me.
They listened intently as I talked about the basics of speech recognition and synthesis, 3D graphics and computer vision, took notes and bombarded me with questions. China undoubtedly lagged behind the United States by more than a decade in AI research, but those students absorbed knowledge like sponges. The excitement in the room was felt on a physical level. The lecture dragged on, and when I left the auditorium and walked to the main gate of the university, it was already dark. The dorms ran along both sides of the street, but the campus was quiet and there was no one around. And suddenly everything changed. As if on command, a stream of students poured out of the hostels. I stopped, surprised to see a picture that looked like a slow motion video of a fire alarm evacuation. Happened in absolute silence. It was only when the students sat down on the curb along the sidewalk and opened their textbooks that I realized what was happening: according to the dormitory rules, the lights in the premises were turned off at 11 o’clock, and the students went outside to continue studying under the street lights. At that moment, in their soft yellow glow, I saw before me hundreds of young, bright and talented engineers in China. Then I could not, of course, know that the future founder of one of the most successful Chinese companies built on AI was also there and tried to use the two hours left before complete darkness for his studies. The textbooks these students read were mostly outdated and poorly translated, but future young scholars tried to squeeze every drop out of them. Internet access in universities remained a rarity, and study abroad was possible only if some organization paid for it. Only pages of textbooks with dirty corners and individual lectures from occasionally invited scientists were their window into the world through which they could get information about advanced AI research. How everything has changed since then!
BUILDING MATERIAL FOR SUPERPOWER AI
As I mentioned, building an AI superpower requires four pillars: abundance of data, hard-core entrepreneurs, highly trained AI researchers, and a supportive political environment. We’ve already seen how China’s gladiatorial startup ecosystem has produced a generation of the world’s most sophisticated entrepreneurs and how China’s alternative internet universe has spawned the world’s richest data ecosystem. This chapter assesses the potential of the United States and China in terms of government support and AI expertise. I believe that in the era of AI adoption, it will be possible to surpass the level of Silicon Valley, even if it is not easy. By harnessing the power of government support and the benefits of a pragmatic approach, China will pave its way towards the early adoption of game-changing technologies. As artificial intelligence penetrates the economy deeper and deeper, there will be more engineers working with it. At this stage, quantity will become more important than quality. A handful of elite scientists who are ready to break new ground are not enough for an economy to take off thanks to AI technology.
It will take an army of brilliantly trained engineers who will team up with entrepreneurs to implement the results of the discoveries already made. China is preparing just such an army. In the two decades since the Hefei lecture, the AI community in China has largely narrowed the gap with that in the United States. While America still surpasses all countries in the number of superstar researchers, Chinese companies and research organizations are recruiting well-educated engineers to enter the era of AI. The country received these specialists thanks to the thirst for knowledge that I saw with them in Hefei. Chinese AI students no longer spoil their eyes by reading outdated textbooks in the dark. They benefit from an open AI research culture that fosters learning from the ground up in real time.
Now, thanks to the Internet, they can access the latest academic publications, discuss the approaches of leading AI researchers in WeChat groups, and watch lectures on their smartphones. Over time, all this will allow the Chinese technological community to catch up with the elite of intellectual leaders – after all, the young generation of Chinese enthusiastic researchers are already contributing to science today. This gives Chinese startups the opportunity to use advanced open source algorithms to create AI products with practical applications: autonomous drones, facial payment systems and smart home appliances. These startups are now vying for a slice of the AI market dominated by several big players – the so-called Seven Giants of the AI Age: Google, Facebook, Amazon, Microsoft, Baidu, Alibaba, and Tencent. These giant companies, four in the US and three in China, are playing a daring game to maintain a dominant position in the AI economy. They have billions of dollars and dizzying reserves of data – enough to get their hands on the most talented people. Giant companies are working to create the “power system” of the AI age – private computing networks to spread machine learning to all areas of the economy, trying to become the “basic infrastructure.”
This phenomenon is worrying for those advocating an open AI ecosystem, and is fraught with China’s lagging behind in its pursuit of the AI superpower title. But private companies cannot fully realize the economic potential of AI without direct government support. As you may recall, shortly after Ke Jie lost the match against AlphaGo, China’s central government issued an ambitious plan for the country to take the lead in AI. Like the Mass Innovation for Mass Entrepreneurship campaign, the plan was supposed to lead to a massive technological breakthrough through generous subsidies for AI startups and government orders. Real shifts have taken place in China’s policy. Aspiring mayors across the country have begun to scramble to turn their cities into playgrounds for AI. They began routing driverless trucks, installing facial recognition systems on public transport, and connecting transportation networks to the city’s brain to optimize passenger flows.
Behind these actions lies a major difference in American and Chinese political culture: while a harsh American political system mercilessly punishes mistakes or mismanagement of funds, China’s utilitarian approach rewards generous investment and participation in the introduction of new technology. No system can claim objective superiority, as the level of creative freedom and technological advancement in the United States is still unmatched. But I believe that in the era of AI adoption, the Chinese approach is more effective, and generating more data will help create the groundwork for further growth.
This is the effect of a united rush, which is based on the magic of digital data, the tenacity of entrepreneurs, political will and knowledge gained through selfless labor. Therefore, in order to understand where the two AI superpowers are now, we must first figure out where this knowledge comes from.
NOBEL LAUREATES AND NAMELESS ARTISTS
Stepping on the deck of the English mail ship Franconia II in 1938, Enrico Fermi changed the balance of power in the world. He had just received the Nobel Prize in Physics in Stockholm, but instead of returning home to Italy, where Benito Mussolini ruled, Fermi sailed with his family to New York. They went to America because they were not satisfied with the racist laws of Italy: Jews or Africans were forbidden to have more than one job and to marry Italians.
Fermi’s wife, Laura, was Jewish, and he decided to relocate his family to the other side of the world, rather than endure the anti-Semitism that gripped Europe. It was a very personal act, but it has had tremendous consequences for the entire world. After arriving in the United States, Fermi learned about the discovery of nuclear decay by Nazi Germany scientists and quickly began to study this phenomenon. He managed to get the world’s first nuclear chain reaction in a reactor, right under the stands of the University stadium in Chicago.
The top-secret Manhattan Project took on an unprecedented scale and led to the creation of nuclear weapons. The bombs made then put an end to World War II in the Pacific and laid the foundation for a nuclear world order. Fermi and the Manhattan Project have opened the door for humanity to a new era of discovery. In nuclear physics, the 1930s and 1940s were an era of fundamental breakthroughs, and one Enrico Fermi was worth a thousand less brilliant physicists. American leadership was largely provided by geniuses like Fermi arriving in the United States: men and women who can single-handedly tip the scales of scientific power in favor of their state.
But not every technological revolution follows this pattern. Often, after a major breakthrough, the bulk of the work from the hands of elite researchers is transferred to an army of artisan engineers who have sufficient experience to use a particular technology in solving various practical problems. This is especially true in cases where the result of a breakthrough finds application in everyday life, and does not remain within the walls of several military laboratories.
Mass electrification is an example of such a process. Following the discoveries of Thomas Edison in the field of electricity, the rapid implementation of various inventions based on them began. Thousands of engineers experimented with electricity, looking for ways to power new devices and reorganize manufacturing processes. They didn’t have to make great discoveries like Edison did. They just had to know how electricity works and take that into account when creating useful and efficient technology. Our current AI implementation phase follows this latest model. The constant stream of messages about the latest advances in AI gives us the mistaken sense that we are living in an era of discovery – a time similar to when Enrico Fermi determined the global balance of power. In fact, we are seeing the consequences of one fundamental breakthrough – the discovery of deep learning and related techniques, applicable to many different problems.
The process now requires the participation of well-trained scientific workers – the artisan craftsmen of our era. Today, these masters use superhuman AI abilities in pattern recognition to process loans, control cars, translate text, play Go, and support your Amazon Alexa voice assistant. The pioneers of deep learning – Jeffrey Hinton, Ian Lecun, Joshua Bengio, and others – have already become the Enrico Fermi of the AI era. They continue to push the boundaries of what artificial intelligence can do. They will probably make more than one discovery that can change the rules of the game and turn the established order in the world of technology. But at the same time, the main part of the work on applying the achievements of AI is done today by artisans.
EXCHANGE OF ACHIEVEMENTS
The current technological revolution has given scientists and technicians an important advantage – instant access to the latest work from leading innovators in every field. During the Industrial Revolution in England, closed national borders and language barriers prevented the diffusion of important advances. However, America’s cultural openness and looser intellectual property laws have helped some serious inventions seep there. Nevertheless, there was always a significant distance between the innovator and the practitioner. This is not the case these days.
When Chinese entrepreneurs are asked how far China is behind Silicon Valley in artificial intelligence research, some jokingly reply, “By 16 hours,” is the time difference between California and Beijing. America may be home to some of the best researchers, but most of their advances and hypotheses are instantly available to anyone with an internet connection and basic knowledge of AI. This exchange of information is facilitated by two defining features of the AI research community: openness and speed of communication. Artificial intelligence researchers tend to publish their algorithms, data, and work to the public. They do this because they are united by a common goal, and also because they strive to achieve objective performance in scientific competition.
In many other sciences, experiments cannot be accurately reproduced in another laboratory: the smallest changes in method or environment can significantly affect the results. But AI experiments are completely reproducible and the algorithms are directly comparable. The only requirement is that training and testing of these algorithms must be carried out on identical datasets. International competitions often require competing computer vision or speech recognition teams to submit their work to other researchers for review.
The speed at which AI is improving is also forcing researchers to share their findings quickly. Many AI scientists are not trying to make fundamental breakthroughs like the discovery of deep learning – they are constantly refining the best algorithms. This fine-tuning regularly helps to set new accuracy records for speech recognition or visual identification tasks. When researchers compete with each other, it is these records that determine the winner, not the success of the products developed or the economic results. And when a scientist sets a new record, he certainly wants fame and recognition. But in modern science everything happens very quickly, and many researchers fear that while they wait for publication in the journal, their record will be surpassed and it will remain unregistered.
Therefore, they strive for the fastest publication and choose sites such as www. arxiv. org is an online repository of scientific articles. The site allows researchers to instantly record their achievements with time and place. In a world that has changed since AlphaGo’s victory, Chinese students, researchers and engineers have become some of arxiv’s most avid readers. org. They are scouring this site for new methods, absorbing everything that the world’s most distinguished researchers have to offer. Along with academic publications, Chinese AI students also track, translate and subtitle lectures by leading scientists in the field such as Yang LeCun, Stanford’s Sebastian Troon, and Andrew Ng. After decades of reading outdated textbooks in the semi-darkness, these future scientists revel in free access to works that reflect global scientific trends.
China’s AI community is forming giant groups and multimedia platforms on WeChat to discuss the latest in AI in depth. Thirteen new media companies that have emerged solely to cover this sector of science offer industry news, expert analysis and open dialogue to their audiences.
These news agencies boast more than a million registered users, and half of them are venture-backed, raising the valuation of each agency above $ 10 million. I myself participate in academic discussions and am one of the five hundred members of a special WeChat group that meets every week to discuss the latest publications on AI research. The chat group is buzzing with hundreds of messages a day: serious questions about a research article discussed this week, screenshots of the participants’ latest progress in working on algorithms and, of course, lots of emojis. But Chinese practitioners do not just passively adhere to the wisdom of the Western world. They are now contributing to the ecosystem on their own, and the size of this contribution is growing rapidly.
© Times of U