Американские университеты и технологические компании на протяжении десятилетий снимали сливки с работ талантливых специалистов, которых страна привлекала со всего мира. США надеялись на безусловное лидерство и в области ИИ, которое должно было только укрепляться. Исследовательская элита страны трудилась в Кремниевой долине в обстановке щедрого финансирования, уникальной культуры и поддержки со стороны влиятельных компаний. В глазах большинства аналитиков Китаю в отношении ИИ суждено было играть ту же роль, что и в предыдущие десятилетия, – роль подражателя, вечно не поспевающего за развитием передовых технологий.

В следующих главах вы увидите, что этот прогноз оказался ошибочным. Он был основан на устаревших оценках китайской технологической среды, а также на фундаментальном непонимании того, что движет продолжающейся революцией ИИ. Хотя первые зерна связанных с ИИ идей проросли на Западе, Китай будет пожинать их плоды. И причина этого глобального сдвига заключается в двух переходах: от эпохи открытий к эпохе внедрения и от эпохи экспертных знаний к эпохе данных.

В основе ошибочной веры в то, что Соединенные Штаты являются страной передового ИИ, лежит впечатление, что мы живем в эпоху открытий и наблюдаем за тем, как элита исследователей ИИ постоянно ломает традиционные парадигмы и разгадывает старые тайны. Это впечатление подпитывается постоянным потоком захватывающих дух сообщений СМИ: искусственный интеллект диагностирует некоторые виды рака лучше, чем это делают врачи; он одержал труднейшую победу над мастерами игры в техасский холдем[12]; он самообучается без какого-либо вмешательства человека. С учетом такого повышенного внимания к каждому новому достижению случайному наблюдателю или даже эксперту-аналитику простительно полагать, что мы постоянно открываем новые горизонты исследований в области искусственного интеллекта.

Однако я считаю, что это впечатление обманчиво. Многие из якобы значительных вех представляют собой просто новые способы использовать достижения прошлого десятилетия – в первую очередь глубокого обучения и дополняющих его технологий, таких как обучение с подкреплением сигналами от среды взаимодействия и перенос обучения[13] для решения новых задач. То, что делают эти исследователи, требует большого мастерства и глубоких знаний, умения изменять сложные математические алгоритмы, манипулировать большими объемами данных, адаптировать нейронные сети под различные задачи. Для такой работы часто требуется как минимум степень кандидата наук. И тем не менее все это лишь небольшие шаги вперед – постепенное улучшение результатов последнего грандиозного прорыва в области глубокого обучения.

Постепенно мы начинаем применять уникальные возможности глубокого обучения для распознавания образов и схем, для прогнозирования в таких разнородных областях деятельности, как диагностика заболеваний, условия страхования, вождение автомобилей или перевод с китайского на английский. Но все эти шаги не означают, что мы стремительно приближаемся к созданию «ИИ общего назначения» или совершили какой-то прорыв. Наступила эпоха внедрения, то есть создания реальных продуктов на основе ИИ. Компаниям, которые захотят на этом заработать, понадобятся талантливые предприниматели, инженеры и менеджеры продукта.

Пионер глубокого обучения Эндрю Ын сравнил исследование ИИ с работой Томаса Эдисона над внедрением электричества: передовая технология существует сама по себе, и только поставив ее на службу человеку, можно революционизировать десятки различных отраслей промышленности. Предприниматели XIX века в короткие сроки поставили электричество на службу человеку