Задачи, с которыми должны справляться машины, чтобы их можно было считать «интеллектуальными», – умение распознавать изображения, решать задачи, понимать человеческий язык, анализировать данные и выдавать экспертные оценки – были определены более полувека назад.

Тогда же появился термин «искусственный интеллект». Удивительно, что ранние ИИ-разработки были сосредоточены в основном на классических играх, в первую очередь шахматах, а также на попытках алгоритмического машинного перевода, которые велись с конца 1950-х. Именно успехи в игровом поединке с человеком считались мерой разумности машины.

В 1996 году весь мир следил за матчем компьютера Deep Blue с тогдашним чемпионом мира по шахматам Гарри Каспаровым (признан в России иноагентом). Победа Deep Blue принесла славу ее создателям и подняла акции компании IBM, вложившейся в этот проект.

Сейчас ИИ проник во все сферы человеческой деятельности: образование, науку, искусство, промышленность и транспорт. А когда вычислительные мощности перестали ограничивать объемы обработки данных, компании стали производить их в невиданных прежде масштабах, и бизнес вступил в эру ИИ.

У этого понятия есть разные определения. Они довольно сложные, поэтому мы воспользуемся объяснением «на пальцах», предложенным Рубеном Ениколоповым, научным руководителем Российской экономической школы[11].

Допустим, что у нас есть таблица Excel. В первой колонке число, во второй – тоже число, а в третьей – их произведение. Excel сама перемножит числа, если вы введете формулу умножения. А теперь представим себе, что формулы нет, но есть несколько строк из трех чисел: множитель, множитель, произведение и т. д. Вы хотите, чтобы машина сама догадалась, что в третьей колонке произведение чисел. Это и есть задача для ИИ, и сейчас он решает ее для огромных и многомерных массивов данных разного формата, а вместо простой формулы произведения выдает сложные интегральные метрики. Бизнес-применение ИИ опирается в первую очередь на его способность улавливать закономерности в массивах данных.

Системы, которые относятся к классу ИИ, – многомиллиардная индустрия. По прогнозу IDC[12], в 2023 году мировой объем инвестиций в ИИ достигнет $154 млрд, а к 2026 году – $300 млрд (в оценку включены софт и «железо»). Как распределятся эти миллиарды? Из 36 сфер применения ИИ, выделенных IDC, cамыми востребованными в 2023 году будут умные чат-боты для поддержки клиентов, системы анализа продаж и рынков и рекомендательные сервисы. В эти направления будут вкладываться компании всех отраслей, и в совокупности они принесут поставщикам решений примерно $40 млрд. Также значительными будут инвестиции бизнеса в технологии ИИ для оптимизации ИТ-инфраструктуры, расширенной аналитики киберрисков, анализа и расследований мошенничества и обмана. Отрасли с наибольшими инвестициями в ИИ – банковский сектор и ретейл (см. врез справа).

Исследовательские фирмы Precedence Research[13] и Acumen[14] тоже предсказывают бурный рост инвестиций в ИИ в 2023-м и последующие годы. Однако исследование Стэнфордского университета свидетельствует о том, что это будет не только рост, но и восстановление: в 2022 году корпоративные инвестиции в ИИ упали на 26,7 % по сравнению с 2021 годом. Этому охлаждению, однако, предшествовал серьезный рост: с 2013 по 2020 год инвестиции корпоративного сектора в ИИ увеличились в 18 раз. Главным фактором роста был не утихающий вплоть до 2020 года оптимизм и даже хайп вокруг машинного обучения и ИИ в целом, подогреваемый бизнес-гуру. Откат начался в 2021 году, а в 2022 году снизилось как общее число сделок по приобретению решений с ИИ, так и число ИИ-стартапов