«Мне нравится, – говорю я, возвращая бокал молодому человеку. – Я возьму две бутылки».
«Отличный выбор – вы можете продолжить покупки, а я принесу вам вино через несколько минут. Если захотите заказать регулярную доставку на дом или ознакомиться с нашими рекомендациями и взять на пробу еще что-нибудь, то можете воспользоваться приложением “Янью” или побеседовать со мной здесь, в зале». Все служащие отдела хорошо осведомлены, дружелюбны и обучены искусству продажи дорогих товаров. Должность консультанта предполагает больше общения, чем обычная работа в супермаркете, – все сотрудники готовы обсудить ингредиенты, место происхождения продукта и то, чем он похож или не похож на те, что я попробовал раньше.
Дальнейшее путешествие по магазину проходит как всегда: тележка ведет меня по залу, а сотрудники иногда предлагают купить товары, которые, как предсказывают алгоритмы, должны мне понравиться. Во время того как очередной сотрудник упаковывает все, что я купил, мне на телефон поступает сигнал, что чек за покупки уже в моем кошельке WeChat Wallet. Пока я выхожу из магазина, тележка для покупок сама возвращается к своей стойке, а я по дороге домой, к своей семье, с удовольствием прогуляюсь пешком через два квартала.
Для походов за покупками во времена, когда мы привыкнем полагаться на силу ИИ восприятия, будет характерно одно из фундаментальных противоречий грядущей эпохи ИИ – между естественностью и революционностью. Наши повседневные занятия не так уж сильно изменятся, но оцифровка мира избавит нас от многих проблем и адаптирует услуги в соответствии с нуждами каждого человека. Удобство и изобилие онлайн-мира станут частью нашей офлайн-реальности. Не менее важно и то, что благодаря лучшему пониманию и прогнозированию привычек каждого покупателя эти магазины смогут оптимизировать цепочки поставок, сокращая тем самым количество пищевых отходов и повышая рентабельность.
Появление таких супермаркетов, как я описал, не за горами. Основные технологии уже есть, и остается лишь доработать программное обеспечение, адаптировать цепочки поставок и открыть сами магазины.
Обучение, построенное на основе ООМ
Разумеется, магазинами дело не ограничится. Те же самые приемы – визуальная идентификация, распознавание речи, создание подробного профиля пользователя на основе прошлого поведения – могут применяться для создания индивидуальных образовательных программ, в которых будут учитываться имеющиеся знания и опыт человека. Современные системы образования по-прежнему основаны на модели XIX века: все учащиеся вынуждены учиться с одинаковой скоростью, проходить один и тот же материал, в одном и том же месте и в одно и то же время. Школы работают как конвейер, переводя детей из класса в класс каждый год, независимо от того, насколько полно они усвоили то, чему их учили. Эта модель прежде имела смысл из-за ограниченности ресурсов, включая время и внимание преподавателей.
Однако ИИ поможет нам преодолеть эти ограничения. Алгоритмы на его основе могут адаптировать образовательный процесс для каждого учащегося и дать педагогам больше свободного времени для индивидуальных занятий.
Система обучения, опирающаяся на ИИ, строится на четырех составляющих: обучение в классе, домашние задания и упражнения, контроль и оценки, индивидуальные занятия. Поведение и результаты каждого учащегося вносятся в его личный профиль. Этот профиль содержит подробный отчет обо всем, что влияет на образовательный процесс, например, какие понятия учащийся уже усвоил, над чем ему еще нужно поработать, как он реагирует на различные методы обучения, насколько внимателен во время занятий, как быстро отвечает на вопросы и какие стимулы могут помочь ему добиться лучших результатов. Чтобы увидеть, как эти данные аккумулируются и используются для модернизации учебного процесса, давайте рассмотрим четыре составляющие, перечисленные выше.
В школьных классах будет работать модель параллельного преподавания: трансляция лекции высококвалифицированного педагога и личное общение с учителем в классе. Педагог с самым высоким рейтингом читает лекцию с большого экрана телевизора, установленного в передней части учебной аудитории. Одновременно эта лекция идет в 20 других аудиториях и сопровождается вопросами, на которые учащиеся должны ответить, нажимая кнопки на пульте. Таким образом педагог получает мгновенную обратную связь, позволяющую судить о том, понимают ли они смысл сказанного.
Во время лекции камеры на передней стене комнаты анализируют выражение лиц, позы и жесты учащихся, чтобы оценить, насколько они сосредоточены и хорошо ли понимают слова преподавателя. Все эти данные – результаты ответов на вопросы с помощью пульта, оценка вовлеченности и степень понимания – направляются непосредственно в профиль учащегося, формируя в режиме реального времени картину того, что он усвоил и с чем ему нужна дополнительная помощь. Но обучение в классе или аудитории – это лишь часть общей системы. Когда учащиеся отправляются домой, вступают в дело алгоритмы, генерирующие для каждого из них вопросы домашнего задания. В то время как преуспевающие учащиеся будут работать над заданиями более высокого уровня, те, кто хуже усвоил материал, получат более простые вопросы и, возможно, дополнительные упражнения.
На каждом этапе время, затраченное учащимися, и результаты работы над различными заданиями вводятся в их профили, что позволяет адаптировать их индивидуальные программы. Кроме того, при изучении таких предметов, как английский (в китайских государственных школах он обязателен), технологии распознавания речи на основе ИИ позволят организовать занятия на самом высоком уровне даже в отдаленных регионах. Высокоэффективные алгоритмы распознавания речи могут оценивать и корректировать английское произношение учащихся без участия носителей языка.
Эти же инструменты могут облегчить педагогам их рутинную работу, что позволило бы им уделять больше времени самим учащимся. Китайские компании уже использовали технологии распознавания образов для разработки сканеров, способных проверять ответы на контрольные вопросы с выбором из нескольких вариантов и с заполнением пропусков. Умные машины могут даже находить распространенные орфографические или грамматические ошибки в сочинениях и снимать за них баллы. Такие технологии ИИ избавляют педагогов от необходимости исправлять элементарные ошибки и позволяют им использовать освободившееся время для того, чтобы донести до учащихся более важные и сложные вещи. И наконец, если ребенок не справляется с программой, ИИ сообщит родителям о его проблемах и подробно объяснит, какой материал дается ему тяжело. Родители могут использовать эту информацию, чтобы нанять удаленного репетитора через такие сервисы, как VIPKid, который позволяет находить американских преподавателей для онлайн-занятий английским языком с китайскими учащимися. Возможности дистанционного обучения были доступны нам уже достаточно давно, но в наши дни ИИ восприятия позволяет создавать платформы, способные непрерывно собирать данные об успехах учащихся, анализируя их мимику и эмоциональное состояние. Эти данные позволили бы платформам подбирать преподавателей, которые лучше всего работают с определенными категориями детей.
Почти все описанные здесь инструменты уже существуют, и многие из них используются в разных школах по всему Китаю. Взятые вместе, они представляют собой новую парадигму в области образования, основанную на ИИ и объединяющую онлайн- и офлайн-миры для создания системы обучения, которая учитывает потребности и способности каждого студента. Похоже, «принцип чехарды» сработал и здесь: Китай «перепрыгнул» через связанные с ИИ достижения США в сфере образования, во многом благодаря сильному давлению со стороны китайских родителей. Китайские родители, у которых только один ребенок, под влиянием традиционных китайских ценностей вкладывают большие деньги в его обучение и систему государственного образования со всем разнообразием ее услуг.
Благодаря действиям родителей рыночная оценка таких сервисов, как VIPKid, превысила 3 млрд долларов всего за несколько лет.
Личные данные и общественное пространство
Создание и использование ООМ требует притока данных из реального мира, сравнимого по мощности с океанскими течениями. Для оптимизации уличного движения система «Умный город» от Alibaba, например, должна получать данные из всех районов города. Система индивидуальной помощи при покупках в розничных магазинах требует идентификации каждого покупателя посредством распознавания лиц. Чтобы пользоваться возможностями интернета с помощью голосовых команд, нужны технологии, которые будут «понимать» каждое наше слово.
Сбор данных такого рода возмущает многих американцев. Они не хотят, чтобы Большой Брат или корпоративная Америка знали, что у них на уме. Но люди в Китае гораздо проще относятся к тому, что некие системы фиксируют и оцифровывают их лица, голоса и покупки. Это еще один пример готовности китайцев в какой-то степени жертвовать неприкосновенностью частной жизни ради удобства. Системы наблюдения регистрируют всех и всё – от индивидуальных потребителей до элементов городской среды. В городах Китая уже используют плотную сеть камер и датчиков, которые следят за соблюдением правил дорожного движения. Эта сеть поставляет данные алгоритмам, оптимизирующим управление уличным движением, а также работу полиции и аварийно-спасательных служб.
Каждая страна должна сама принимать решения о том, как сбалансировать потребность общественных систем в информации и право граждан на неприкосновенность личной жизни. Европа сделала свой выбор, приняв Общий регламент по защите данных – закон, который устанавливает множество ограничений на их сбор и использование в границах Европейского союза. Соединенные Штаты, однако, все еще сталкиваются с трудностями, пытаясь защитить права граждан в этой области. Примером может служить скандал вокруг Facebook из-за действий компании Cambridge Analytica, повлекший слушания в Конгрессе. В 2017 году Китай начал реализацию собственного закона «О кибербезопасности», предусматривающего наказания за незаконный сбор и продажу пользовательских данных. В этом законе нет универсального ответа на вопросы о том, до какой степени можно пожертвовать конфиденциальностью ради удобства или безопасности или имеют ли граждане право на анонимность в аэропортах или на станциях метро. Но в целом относительное равнодушие китайцев к сбору данных в общественных местах способствует массовому внедрению ИИ восприятия. Оцифровка городской среды уже идет быстрыми темпами, и это создает условия для распространения приложений ООМ в розничной торговле, обеспечении безопасности и на транспорте. Но чтобы глубоко внедрить ИИ восприятия в этих сферах, мало размещения видеокамер и оцифровки данных. В отличие от ИИ интернета и ИИ для бизнеса, ИИ восприятия требует большого количества аппаратуры. Чтобы он преобразил наши автомобили, больницы и кухни, нам будут требоваться все новые и новые аппаратные устройства с датчиками для синхронизации физического и цифрового миров.