Компьютер не понимает человеческий язык
Обновлено: 06.07.2024
Единицей измерения количества информации является бит – это наименьшаяединица.
1 Кб (килобайт) = 1024 байта= 2 10 байтов
1 Мб (мегабайт) = 1024 Кб = 2 10 Кб
1 Гб (гигабайт) = 1024 Мб = 2 10 Мб
1 Тб (терабайт) =1024 Гб = 2 10 Гб
Формулы, которые используются при решении типовых задач:
Информационный вес символа алфавита и мощность алфавита связаны между собой соотношением: N = 2 i .
i – информационный вес одного символа.
Основная литература:
- Босова Л. Л. Информатика: 7 класс. // Босова Л. Л., Босова А. Ю. – М.: БИНОМ, 2017. – 226 с.
Дополнительная литература:
- Босова Л. Л. Информатика: 7–9 классы. Методическое пособие. // Босова Л. Л., Босова А. Ю., Анатольев А. В., Аквилянов Н.А. – М.: БИНОМ, 2019. – 512 с.
- Босова Л. Л. Информатика. Рабочая тетрадь для 7 класса. Ч 1. // Босова Л. Л., Босова А. Ю. – М.: БИНОМ, 2019. – 160 с.
- Босова Л. Л. Информатика. Рабочая тетрадь для 7 класса. Ч 2. // Босова Л. Л., Босова А. Ю. – М.: БИНОМ, 2019. – 160 с.
- Гейн А. Г. Информатика: 7 класс. // Гейн А. Г., Юнерман Н. А., Гейн А.А. – М.: Просвещение, 2012. – 198 с.
Теоретический материал для самостоятельного изучения.
Что же такое символ в компьютере? Символом в компьютере является любая буква, цифра, знак препинания, специальный символ и прочее, что можно ввести с помощью клавиатуры. Но компьютер не понимает человеческий язык, он каждый символ кодирует. Вся информация в компьютере представляется в виде нулей и единичек. И вот эти нули и единички называются битом.
Информационный вес символа двоичного алфавита принят за минимальную единицу измерения информации и называется один бит.
Алфавит любого понятного нам языка можно заменить двоичным алфавитом. При этом мощность исходного алфавита связана с разрядностью двоичного кода соотношением: N = 2 i .
Эту формулу можно применять для вычисления информационного веса одного символа любого произвольного алфавита.
Рассмотрим пример:
Алфавит древнего племени содержит 16 символов. Определите информационный вес одного символа этого алфавита.
Составим краткую запись условия задачи и решим её:
16 = 2 i , 2 4 = 2 i , т. е. i = 4
Ответ: i = 4 бита.
Информационный вес одного символа этого алфавита составляет 4 бита.
Математически это произведение записывается так: I = К · i.
32 = 2 i , 2 5 = 2 i , т.о. i = 5,
I = 180 · 5 = 900 бит.
Ответ: I = 900 бит.
I = 23 · 8 = 184 бита.
Как и в математике, в информатике тоже есть кратные единицы измерения информации. Так, величина равная восьми битам, называется байтом.
Бит и байт – это мелкие единицы измерения. На практике для измерения информационных объёмов используют более крупные единицы: килобайт, мегабайт, гигабайт и другие.
1 Кб (килобайт) = 1024 байта= 2 10 байтов
1 Мб (мегабайт) = 1024 Кб = 2 10 Кб
1 Гб (гигабайт) = 1024 Мб = 2 10 Мб
1 Тб (терабайт) =1024 Гб = 2 10 Гб
Материал для углубленного изучения темы.
Как текстовая информация выглядит в памяти компьютера.
Набирая текст на клавиатуре, мы видим привычные для нас знаки (цифры, буквы и т.д.). В оперативную память компьютера они попадают только в виде двоичного кода. Двоичный код каждого символа, выглядит восьмизначным числом, например 00111111. Теперь возникает вопрос, какой именно восьмизначный двоичный код поставить в соответствие каждому символу?
Все символы компьютерного алфавита пронумерованы от 0 до 255. Каждому номеру соответствует восьмиразрядный двоичный код от 00000000 до 11111111. Этот код ‑ просто порядковый номер символа в двоичной системе счисления.
Таблица, в которой всем символам компьютерного алфавита поставлены в соответствие порядковые номера, называется таблицей кодировки.Таблица для кодировки – это «шпаргалка», в которой указаны символы алфавита в соответствии порядковому номеру. Для разных типов компьютеров используются различные таблицы кодировки.
Таблица ASCII (или Аски), стала международным стандартом для персональных компьютеров. Она имеет две части.
В этой таблице латинские буквы (прописные и строчные) располагаются в алфавитном порядке. Расположение цифр также упорядочено по возрастанию значений. Это правило соблюдается и в других таблицах кодировки и называется принципом последовательного кодирования алфавитов. Благодаря этому понятие «алфавитный порядок» сохраняется и в машинном представлении символьной информации. Для русского алфавита принцип последовательного кодирования соблюдается не всегда.
Запишем, например, внутреннее представление слова «file». В памяти компьютера оно займет 4 байта со следующим содержанием:
01100110 01101001 01101100 01100101.
А теперь попробуем решить обратную задачу. Какое слово записано следующим двоичным кодом:
01100100 01101001 01110011 01101011?
В таблице 2 приведен один из вариантов второй половины кодовой таблицы АSСII, который называется альтернативной кодировкой. Видно, что в ней для букв русского алфавита соблюдается принцип последовательного кодирования.
Вывод: все тексты вводятся в память компьютера с помощью клавиатуры. На клавишах написаны привычные для нас буквы, цифры, знаки препинания и другие символы. В оперативную память они попадают в форме двоичного кода.
Из памяти же компьютера текст может быть выведен на экран или на печать в символьной форме.
Разбор решения заданий тренировочного модуля
Информационный вес символа алфавита и мощность алфавита связаны между собой соотношением: N = 2 i .
Попытки научить компьютер понимать человеческий язык делаются уже довольно давно. Среди специалистов, занятых этой проблемой, в последнее время все труднее встретить «безнадежных оптимистов». Еще меньше их среди пользователей тех программ, которые должны обеспечивать взаимопонимание. Существующие компьютерные трансляторы, увы, по-настоящему полезны разве что для перевода сравнительно небольших и однозначных фраз. Поисковые машины частенько выдают вовсе не то, что мы хотим. Даже досконально изучив язык запросов, все равно приходится пробираться через информационные дебри, отбрасывая с дороги нерелевантные результаты. А «цунами» спама? По-прежнему, скрипя зубами, тратим время на удаление мусора из почтового ящика. Когда-то «черные списки» адресов могли обеспечить сносную защиту. Теперь, похоже, настало время, когда компьютеру необходимо поручать не только анализ цифр, но и «чтение» электронной почты.
Семантические методы фильтрации
Все мы имели возможность наблюдать «мутацию» рекламных писем: в них начали появляться ошибки — пропущенные или лишние буквы и знаки препинания, замысловатые символы. Виной тому, как вы понимаете, отнюдь не безграмотность спаммеров. Я бы назвал это самым настоящим дарвиновским естественным отбором: спам эволюционировал, дабы выжить в условиях контентной фильтрации и все равно оказаться в наших почтовых ящиках.
Этот факт, безусловно, не остался незамеченным и «охотниками за консервами». Доклад А. Власовой и К. Зоркого «Проблема намеренных искажений письменного текста в электронных рекламных рассылках (спаме)» (ЗАО «Ашманов и партнеры») был посвящен псевдоошибкам спаммеров и способам борьбы с ними, которые реализованы в фильтре «Спамтест 2.0». Для того чтобы преодолеть такой барьер, спаммеры используют автоматическую генерацию текстов, которые должны быть однозначно восприняты фильтром как нерекламные, а пользователем —как рекламные. Им на руку ахиллесова пята компьютера — способность «понимать» письменный текст. Часто применяется подмена букв (vi@gr@), разбиение слов на несколько частей (МО МЕ НТ АЛЬ НО), удвоение литер (Меммбранный плазмаферрез с применнением плазмоофильтра «РОСА»). Особые возможности предоставляет формат HTML: в текст письма можно вставлять любое количество дополнительных символов, цвет которых совпадает с цветом фона. Для пользователя эти символы будут незаметны, зато с их помощью можно заставить фильтр воспринимать весь текст как одно длинное слово.
Получается, что ловить спаммеров, использующих известные приемы, и «рубить их на корню» возможно. А что делать, если будут появляться новые приемы? Создавать новые решения и «обучать» им фильтр? Мне показалось, что в глобальном масштабе усилия антиспаммеров пока еще все равно представляют собой войну с ветряными мельницами. Спам с «заиканиями» как нельзя лучше демонстрирует, насколько слабо компьютер понимает человеческий язык и насколько сложно алгоритмизировать процесс восприятия текста.
Технология уточнения поисковых запросов
Алгоритмы поиска в Интернете постоянно совершенствуются, однако ситуации, когда пользователь не находит то, что ищет, увы, не редкость. Конечно, большинство уважающих себя поисковиков предоставляют функции расширенного поиска или позволяют использовать логические операторы (OR, AND, NOT). Однако даже эти возможности не всегда оказываются эффективными.
В этой связи мне показалась интересной работа П. Браславского «Автоматические операции с запросами к машинам поиска Интернета на основе тезауруса: подходы и оценки» (Институт машиноведения УрО РАН). Успех поиска в Сети зависит от удачно сформулированного запроса, но пока мы можем задать машине всего нескольких слов. Понятно, насколько полезен был бы инструмент для уточнения, переформулирования и оптимизации поискового запроса. Предложенная технология предполагает использование тезаурусов — словарей, составленных на основе анализа совместной встречаемости слов. Конечно, такой словарь может быть составлен только для довольно узкой предметной области. Но ведь очень часто мы обращаемся к поисковику, чтобы получить информацию, относящуюся, например, к сфере наших профессиональных интересов. В этих случаях метапоисковая машина окажется весьма полезной: она примет запрос, переведет его на другой язык, уточнит и адресует тому поисковику, который сможет выдать релевантные результаты. Не об этом ли мечтает каждый пользователь?
Однако для особого оптимизма оснований пока нет: система способна лишь помочь составить уточненный поисковый запрос. Возможно, он с большей вероятностью даст релевантные результаты, но все это, на мой взгляд, очень далеко от поиска информации с «человеческим лицом».
Электронными словарями сегодня решительно никого не удивишь. Семейство Globus Software, представленное на конференции, показалось мне достойным внимания благодаря глубине реализованных идей и богатым функциональным возможностям. По-настоящему электронный словарь, по мнению представителя компании И. Ларченкова, должен обладать целым рядом дополнений. Представленное семейство отличает гибкая настройка словарной статьи. Для хранения и разметки данных разработан теговый язык DML (Dictionary Markup Language), который в значительной степени напоминает HTML. Его использование позволяет модифицировать словарную статью и, если необходимо, конвертировать данные в форматы, совместимые с другими словарями или издательскими системами. Для тех, кто не желает осваивать основы DML, предусмотрен редактор словарной статьи с настраиваемым пользовательским интерфейсом. Рост популярности электронных словарей, по всей видимости, не приведет к полному исчезновению традиционных печатных изданий. Именно поэтому в словарях Globus Software предусмотрен ряд функций издательской системы. С помощью встроенных инструментов можно подготовить оригинал-макет печатного словаря на основе электронного и экспортировать данные в формат RTF или HTML.
Вопросы, вопросы.
На конференцию я привез множество вопросов, касающихся человеко-компьютерного взаимодействия. Когда собирался уезжать, понял, что их количество удвоилось. Вместе с тем прибавилось уважения к людям, которые год за годом бьются над ответами на них.
Способен ли компьютер понимать значение слова? Любой, кто имеет хотя бы небольшой опыт работы с электронными словарями или компьютерными переводчиками, даст отрицательный ответ. А как насчет синтаксиса? Вспомните, как часто ошибается модуль автоматической проверки в MS Word, постоянно пытаясь убедить нас, что вполне грамотное предложение «не согласовано». Не добавляют оптимизма и ложные срабатывания антиспамовых фильтров, когда важные письма вдруг оказываются в одной папке с мусором.
Я уже предвижу возражения: «Постойте! Если бы компьютер был вовсе не способен понимать человеческий язык, то все выглядело бы значительно хуже. За каждым словом приходилось бы лезть в бумажный словарь, от спама не было бы спасения, а найти что-либо в Интернете было бы решительно невозможно». Абсолютно согласен, но разве достижения пропорциональны общим темпам развития информационных технологий? Чтобы представить себе это, достаточно вспомнить, что первые машинные переводчики появились в 60—70-х годах прошлого века. Теперь сравните производительность тогдашнего мэйнфрейма с возможностями современной пользовательской машины.
В заключение хочу привести запомнившуюся мне фразу одного из участников конференции: «Искусственный интеллект — это как смерть. Пока мы есть, его нет; когда будет он, нас не станет». Мне почему-то хочется, чтобы он оказался неправ.
Cовременный словарь «великого и могучего»
«Яндекс» — это не просто один из популярнейших поисковиков Рунета. Оказывается, благодаря доступности огромного массива русских текстов, он даст фору многим традиционным словарям. С помощью поисковых запросов можно исследовать управление глаголов, сочетаемость слов или употребление отдельных форм. Как было отмечено в докладе, посвященном такому использованию поисковика, «Яндекс» оказался вполне качественным инструментом получения новой лексикографической информации. Например, форма множественного числа «директоры» уже давно признается архаичной, однако в текстах Рунета формы «директора» и «директоры» встречаются одинаково часто.
Текстовые чат-интерфейсы — мобильные мессенджеры, изначально созданные для удобного общения людей друг с другом, через год-два начнут повсеместно использоваться для взаимодействия человека с разными сервисами и компаниями. Секрет во встроенных в эти интерфейсы технологиях понимания и анализа текстов на естественном языке — том, на котором мы привыкли разговаривать друг с другом.
Instant messaging как способ коммуникации между людьми появились в 1990-х вместе с ICQ, AOL и другими сервисами. Тогда они работали только на стационарных компьютерах. В начале 2000-х в Европе, а затем и в Америке произошел необратимый СМС-бум. Люди настолько полюбили этот способ общения, что в результате выручка мобильных операторов от текстового трафика превысила их заработки на голосовом общении.
Такой вид коммуникации стал необходимой частью нашей жизни, и этот феномен легко объяснить. Современный человек многозадачен. Он одновременно работает, следит за новостями, общается с друзьями, с семьей, управляет окружающими предметами. Эта многозадачность и способствовала появлению такого «неинвазивного» способа коммуникации. Он позволяет людям обмениваться информацией, не отвлекаясь, например, от участия в конференции или от важной встречи.
Наступление чат-ботов
Но технологии не стоят на месте. Сегодня мировые IТ-компании — Apple, Google, Amazon, Microsoft, наша ABBYY и десятки других — ведут разработки в области искусственного интеллекта, помогающие понимать естественный язык. В результате появляются «разговорные» интерфейсы нового уровня, благодаря которым люди общаются не только друг с другом, но и с компьютером. Эти автоматические электронные собеседники в мессенджерах, называемые чат-боты (chatbot), станут одной из самых горячих тем этого года.
Компания Microsoft представила своего чат-бота — электронную подружку по имени Xiaoice, с которой за полгода подружились более 40 млн пользователей в Китае. 10% из них даже заявили, что влюблены в Xiaoice.
Другой масштабный эксперимент с чат-ботами проводит Facebook со своим секретным проектом M, где одновременно тысячи живых людей и собственно система искусственного интеллекта M анализируют запросы и работают своего рода скатертью-самобранкой: «Скажи мне, что хочешь, и я это сделаю». Facebook инвестирует огромные деньги в то, чтобы с помощью живых людей-операторов научить искусственный интеллект принимать текстовые запросы от людей на естественном языке и отвечать на их реальные бытовые запросы. Кто-то с помощью этой системы заказывает пиццу, кто-то — авиабилеты. Мой сын, каким-то неведомым образом попавший в закрытую группу тестирования сервиса из 10 тыс. человек, попросил Facebook M ежедневно в 16:00 по местному времени присылать ему цитату из Георгия Ивановича Гурджиева. И вот уже на протяжении трех месяцев система присылает ему реальные цитаты философа.
Есть и другие сервисы, такие, например, как мессенджер Kik, который развивает полностью автоматизированных ботов для предоставления пользователям различных услуг и сервисов. С их помощью вы можете, к примеру, заказать столик в ресторане. Вместо того чтобы звонить, ждать ответа оператора, просто открываете мессенджер и пишете: «Закажи мне столик в рыбном ресторане с красивым видом». Точно так же можно получать консультации и заказывать любые услуги — такси, еду, одежду. Вы можете записываться к врачу, проверять свой счет в банке или делать денежный перевод, наконец, управлять «умным домом». Кстати, Samsung уже показала холодильник, который разговаривает и отвечает на запросы на естественном языке, в том числе и текстовые. Так, вы можете послать своему холодильнику вопрос через мессенджер: «Напомни, есть ли у нас еще помидоры».
К разговорным интерфейсам имеют прямое отношение и Siri, Microsoft Cortana, Amazon Alexa и прочие ассистенты. Я уверен, очень скоро к голосовому интерфейсу они добавят и канал мессенджеров для общения с пользователем.
Роботы вместо людей
Британская Shell использует в департаменте клиентского сервиса роботизированного помощника Амелию. Это платформа на основе технологий искусственного интеллекта, которая умеет собирать и анализировать электронные письма, звонки и платежи клиентов. На основе этих данных Амелия отвечает на обращения в техподдержку и знает, когда нужно перевести клиента на коллегу-человека.
Разговорные интерфейсы, основанные на искусственном интеллекте, помогают и отдельным профессиональным пользователям. Сегодня, чтобы найти нужную информацию используя поисковик Findo.io, люди получают «умный» поиск по своим личным документам. Для этого совсем необязательно помнить, где именно эта информация находится и в каком формате хранится. Можно просто сделать запрос так, как вы бы попросили своего секретаря: «Найди мне финансовый отчет, который докладывал коллега на последнем совете директоров», — и получить документ. Так сотрудники могут сэкономить время и сосредоточиться на анализе данных, а не на их поиске.
Сегодня все эти способы применения «умных» технологий в чат-интерфейсах показывают бурный рост. Так, например, в Китае уже несколько миллионов компаний принимают платежи через WeChat. Каждый день в этом мессенджере регистрируется больше официальных аккаунтов, чем традиционных интернет-сайтов в мире. Причем многие из них — боты. В том же направлении работает и Facebook Messenger. К партнерской программе сервиса уже подключилось несколько десятков компаний. И в 2016 году мы, скорее всего, услышим большие объявления в этой области. Не зря же аналитики Gartner предсказывают, что совсем скоро 47% устройств будут обладать необходимым интеллектом, чтобы общаться с человеком.
В последние годы крупнейшие IT-компании занимаются разработками в области искусственного интеллекта и активно внедряют их результаты в свои продукты. Однако часто подобные проекты направлены лишь на привлечение внимания и инвестиций. «Лента.ру» выяснила, как формировалась мода на искусственный интеллект и чего на самом деле удалось добиться исследователям.
Сегодня многие аналитики отмечают, что на рынке сформировался своеобразный бум технологий, основанных на прообразах искусственного интеллекта (ИИ) — машинном обучении и нейросетях. Разработчики всерьез спорят о том, как защитить умные голосовые помощники Siri и Cortana от сексуальных домогательств, а пользователи восторгаются картинами Deep Dream и обработкой фотографий в Prisma.
Google, Amazon, Microsoft и IBM создают целые подразделения по изучению ИИ и строят облачные сервисы специально для подобных проектов.
При этом эксперты пока не совсем понимают, что вообще стоит считать искусственным интеллектом. Традиционные определения уже устарели, ведь распознавать изображения и текст, отвечать на простые вопросы и даже писать музыку умеют все те же нейросети. Однако модный термин быстро подхватили маркетологи, и теперь ярлык ИИ активно применяется в продвижении многих перспективных сервисов.
Термин «искусственный интеллект» предложил в 1956 году американский информатик Джон Маккарти. Он полагал, что в будущем человечество создаст некие интеллектуальные машины или компьютерные программы, способные имитировать работу человеческого мозга. Правда, ученый считал необходимым сначала определить, какие из вычислительных процессов вообще стоит считать интеллектуальными.
Этот его призыв остался втуне из-за стремительной популяризации искусственного интеллекта в массовой культуре. Научно-фантастические романы и кинофильмы вроде «Космической одиссеи 2001 года», «Терминатора» и «Бегущего по лезвию» приковали к ИИ всеобщее внимание и заодно сформировали ему реноме будущего «убийцы человечества».
Интерес массовой культуры к ИИ не ослабевает и сегодня. Так, главные герои одного из главных сериальных хитов 2016 года «Мир Дикого Запада» — разумные роботы. Его продюсер Джонатан Нолан приложил руку и к похожему сериалу «В поле зрения».
Фантасты, понятно, описывают искусственный разум, во многом превосходящий возможности человека. Увы, в реальности все куда прозаичнее. Элементы ИИ вроде распознавания речи или беспилотных автомобилей действительно производят впечатление, но им далеко до демонстрируемого в кино осознанного разговора с умными роботами или понимания ими окружающей действительности.
В октябре 2015 года мастер игры в го девятого дана, кореец Ли Седоль уступил со счетом 4:1 программе AlphaGo, разработанной лабораторией Google DeepMind. Го намного сложнее, чем шахматы, где, как известно, машина победила действующего чемпиона мира еще в 1997 году. От игрока требуется не только прекрасно развитое стратегическое мышление, но и мощная интуиция, поскольку просчет оптимальных вариантов в каждой отдельной партии очень быстро превращается в почти невыполнимую задачу для человеческого разума.
Выигрыш AlphaGo продемонстрировал эффективность весьма популярной методики «глубинного обучения» — набора алгоритмов, позволяющих компьютеру применять максимально эффективный способ обработки и анализа данных. AlphaGo училась играть самостоятельно, анализируя тысячи партий, сыгранных людьми, а также проведя миллионы партий сама с собой.
Исследователь искусственного интеллекта Уилл Найт считает, что победа AlphaGo доказала возможность компьютеров учиться решать комплексные задачи, и уже скоро они смогут взять на себя множество важных функций. Например, диагностировать болезни и предлагать максимально эффективные способы лечения.
Однако Найт не считает достижение инженеров Google DeepMind революционным, ведь полноценный ИИ должен уметь не только хорошо учиться, но и коммуницировать с людьми. В этом и кроется основная загвоздка — ученые все еще не способны научить машину понимать человеческий язык, и ни один из компьютеров так и не сумел пройти знаменитый тест Тьюринга.
Тем не менее популярность таких проектов, как AlphaGo, привела к тому, что большинство крупных IT-компаний занялись изучением искусственного интеллекта. Google и Amazon создали целые подразделения для интеграции машинного обучения и облачных вычислений. Похожую исследовательскую группу в Microsoft возглавил вице-президент корпорации Гарри Шам, а IBM еще в 2014 году направила на развитие проекта Watson две тысячи человек, дополнительно выделив на него миллиард долларов. Команды для работы с ИИ также сформированы в Facebook и Twitter.
Перед исследователями зачастую ставится всего одна глобальная задача — извлечь из искусственного интеллекта максимальную пользу для нынешних и будущих проектов своих компаний. А пока конкретных результатов нет, те же Google и Amazon рекламируют с помощью ИИ свои сервисы.
Попиариться на модной теме пытаются и многочисленные стартапы. Так, 6sense уже помогает Cisco и IBM прогнозировать объемы продаж, а в Banjo уверяют, что их сервис способен предсказывать теракты и катастрофы. Есть и компании, использующие интерес к искусственному интеллекту сугубо в маркетинговых целях. Особенно это касается производителей антивирусов, якобы применяющих ИИ и машинное обучение для эффективного обнаружения угроз.
До искусственного разума, который, по мнению фантастов, либо уничтожит человечество, либо выведет его на новый уровень развития, все еще очень далеко.
Зато на рынок выведено огромное количество постоянно развивающихся технологий, привычно именуемых тем самым искусственным интеллектом. И самое любопытное, что IT-индустрия уже переживала подобное в недалеком прошлом.
Известный футуролог и предприниматель Джерри Каплан вспоминает, что в 1980-е годы он поддался повальной моде и основал две компании по изучению искусственного интеллекта. Сегодня одна из них — Symantec — занимается информационной безопасностью, а вторая — Teknowledge — давно закрыта.
Нынешний интерес к ИИ вызывает у него тревогу. Он признается, что современные исследователи ведут себя так же, как и 30 с лишним лет назад. «Общаюсь с ними и чувствую себя атеистом на собрании проповедников, ведь подобный оптимизм царил и в 1980-е. В итоге, когда стало понятно, что многие надежды были напрасны, а обещания несбыточны, сфера искусственного интеллекта надолго застыла во времени», — отмечает он.
Каплан понимает, что сегодня ученые располагают огромными вычислительными мощностями, но и это не гарантирует возникновения по-настоящему прорывных технологий. Особенно если IT-компании продолжат наживаться на модной теме, а кинопродюсеры — делать из ИИ будущего «убийцу человечества».
Читайте также: