1. Deep Blue: вызов человечеству
История рождения
История Deep Blue началась в 1989 году, когда шахматный программист Фэн Сюн Сю по поручению компании IBM начал разработку специализированного шахматного микропроцессора, целиком помещающегося на одном кристалле кремния. Когда в 1995 году самый знаменитый среди шахматных ИИ появился на свет, его нарекли именем Deep Blue; это имя можно перевести как «темно-синий» (название намекает на прозвище компании IBM — Big Blue, «Голубой гигант»), а можно как «глубокая печаль». Печалиться, как оказалось, действительно есть о чем.
Смысл жизни
В 1997 году произошло событие, навсегда изменившее не только отношение людей к компьютерам, но и саму позицию человечества в конкуренции с новой формой интеллекта: мы поняли, что начинаем уступать. 11 мая шахматному суперкомпьютеру Deep Blue удалось одержать победу над 13-м чемпионом мира по шахматам Гарри Каспаровым. Следующих чемпионов-людей уже мало кто запомнит — все равно ведь машины сильнее в игре. Шахматы, самый интеллектуальный спорт, стали первым видом творческой деятельности, в которой машины опередили людей. Первым, но далеко не последним.
Проблески интеллекта
Deep Blue — суперкомпьютер с классической архитектурой, представляющий собой систему с многоядерным процессором, большая часть ядер которой — специализированные шахматные микропроцессоры. Каждый из шахматных процессоров перебирал больше двух миллионов шахматных позиций в секунду, что примерно в 100 раз больше, чем у аналогичных по частоте универсальных процессоров. Суперкомпьютеры часто занимают целые залы, но «темно-синему» хватило и двух стоек с 30 узлами, объединенных сетью и общей памятью. Не такой уж высокий интеллект по человеческим меркам, зато быстрый — основная ставка делалась не на способность увидеть позицию в целом, а на огромную скорость перебора позиций.
В начале славных дел
Предшественниками Deep Blue были Chiptest, созданный в 1985 году Фэн Сюн Сю в рамках диссертационного проекта, и Deep Thought — следующее, более сложное творение Сю, в 1989 году выигрывавшее 6-й чемпионат мира по шахматам среди компьютерных программ. Они с треском проигрывали сильнейшим шахматистам мира. Поначалу проигрывал и Deep Blue — в 1996 году, во время первого турнира между человеком и супермашиной, победа все же оказалась за Каспаровым, хотя способности суперкомпьютера уже тогда восхитили его. А через год после попытки разработчиков усовершенствовать мощь Deep Blue между теми же противниками состоялся матч-реванш, в ходе которого победила машина. Начиная с 44-го хода шахматист перестал понимать логику ее ходов и по итогу проиграл сражение. Позже оказалось, что тот роковой ход Deep Blue был просто-напросто сбоем. Перед матчем программисты заметили баг у компьютера, но не успели исправить. Если Deep Blue не мог найти очевидно выигрышного хода, то он выдавал не лучший из худших, а просто случайный ход. Когда, следуя этому правилу, компьютер сделал ход ладьей на D1, разработчики уже было решили сдаться, но Гарри решил, что это какая-то хитрость, которой он не понял, поддался замешательству, ослабил свои позиции и проиграл.
С момента победы Deep Blue над Каспаровым прошло уже более 20 лет, и с тех пор шахматные программы ушли далеко вперед — все это время они умнели, а мы нет. Но все-таки, по словам Каспарова, самые интересные матчи сейчас не между шахматными программами, а между спортсменами, которым помогают шахматные программы. Получается, сценарий конкуренции человеческого интеллекта с машинным не обязателен — лучшие результаты получаются, когда они дополняют друг друга, работают в симбиозе, а не пытаются соревноваться друг с другом. Похоже, именно в этом главный урок, преподанный человечеству шахматными искусственными интеллектами.
2. IBM Watson: доктор, освоивший дедуктивный метод
История рождения
Watson (Уотсон), суперкомпьютер и система искусственного интеллекта, — дитя компании IBM, явившееся на свет в 2011 году. Назвали его в честь основателя IBM Томаса Уотсона.
Смысл жизни
Watson был рожден, чтобы понимать вопросы, заданные на обычном разговорном языке, и отвечать на них. Первоначальная цель разработчиков — научить машину играть в популярную американскую телевикторину Jeopardy!, российским аналогом которой стала «Своя игра»: там нужно быстро отвечать на устные вопросы ведущего на эрудицию в самых разных сферах. Особая трудность игры для машины заключается в том, что для правильного ответа нередко нужно уметь анализировать скрытый смысл, улавливать иронию, разгадывать загадки, считывать намеки и аллюзии — в общем, понимать естественный человеческий язык. И Watson в этом преуспел: в 2011 году он обыграл многократных чемпионов Jeopardy!, занял первое место и получил главный приз — миллион долларов. Во время игры он мог использовать свою память — 200 миллионов страниц текста, включая всю информацию из Википедии. Но доступа к интернету у него не было.
Проблески интеллекта
Если поисковики помогают найти информацию по запросу, предоставляя список ссылок, (обычно ранжированных на основе популярности страниц), то Watson сам дает готовый ответ на вопрос. Главное новшество его ИИ состоит не в создании принципиально иного алгоритма разбора вопроса и поиска по ключевым словам, а в способности быстро выполнять сотни алгоритмов анализа языка одновременно: чем больше алгоритмов, которые независимо друг от друга находят один и тот же ответ, тем выше вероятность того, что он окажется верным.
Watson еще и запойный читатель: в секунду он может обрабатывать 500 гигабайт, то есть примерно миллион книг. Поэтому в первую очередь компьютер начали использовать там, где есть много текстовой и не всегда структурированной информации на естественном языке, с которой нужно по возможности оперативно справиться, — так Watson стал доктором, стараясь разобраться в тысячах научных статей и историй болезни.
В начале славных дел
Проект суперкомпьютера вырос в целое подразделение IBM Watson Group, специализирующееся на создании облачных сервисов для Watson, которые исследуют и разрабатывают множество проектов одновременно. Развивались и возможности самого суперкомпьютера — он уже давно перестал быть только вопросно-ответной вычислительной машиной и освоил машинное обучение. За свою жизнь ему пришлось осилить не одну науку и освоить не одну работу — суперкомпьютер составлял рецепты блюд, помогал преподавать, участвовал в разработке маркетинговых кампаний и даже создал платье, которое меняет цвет ткани в зависимости от настроения аудитории Твиттера. Сейчас из суперкомпьютера создают помощника бизнесменов — набирает популярность IBM Watson Studio, облачная платформа для разработки бизнес-приложений ИИ. Но ярче всего Watson позиционировался как «доктор Ватсон» — интеллект суперкомпьютера применялся в лечении и диагностике онкологии.
«Звездность» Watson дошла до того, что в 2016 году прошла целая компания по выдвижению его в президенты США — пусть и не совсем всерьез. А что, если кремниевый рулевой может управлять автомобилем, то почему не может — государством? Неподкупный, неподвластный страстям, необидчивый даже, он просто собирает данные, анализирует их и выдает лучшее решение проблемы в интересах общества.
3. Blue Brain Project: мозг из кремния
История рождения
Blue Brain Project — одна из самых многообещающих и спорных программ современности, посвященная созданию компьютерной модели мозга. Она возникла в 2005 году как совместная инициатива университета Лозанны EPFL и компании IBM. Проект основала команда нейрофизиологов и программистов во главе с амбициозным профессором Генри Маркрамом.
Смысл жизни
Построить из кремния работающую модель человеческого мозга — самой сложной вещи из известных нам, — скорее смелая мечта, чем реальный план. Устройство нашего мозга напоминает запутанную сеть из 100 миллиардов нейронов, соединенных 100 триллионами контактов; при этом неясно, как довольно простые реакции отдельных клеток обеспечивают столь сложное поведение системы в целом. В общем, надо начинать с чего-то попроще. Ученые Blue Brain Project начали с компьютерного моделирования структурной единицы коры мозга — колонки. Кора мозга млекопитающих состоит из вертикальных столбиков-колонок — групп нейронов, объединенных тесными связями внутри колонки. У человека такая колонка состоит из 60 тысяч нейронов. Колонки мозга крыс похожи по структуре, но включают в шесть раз меньше нейронов и более удобны для моделирования. Поскольку строение колонок одинаково в разных областях коры, их изучение позволяет понять общие принципы работы мозга. В будущем в рамках Blue Brain Project хотят реконструировать мозг грызуна целиком.
Проблески интеллекта
Чтобы сделать реалистичную модель нейрона, нужно решить 20 тысяч дифференциальных уравнений, а для целой области мозга придется осилить 100 миллиардов! На такое способны только суперкомпьютеры, и Blue Brain Project собрал настоящих звезд: модели Blue Gene, обеспечившие IBM престижной национальной наградой в области технологий и инноваций, а также Blue Brain IV, попавший в топ-100 самых производительных суперкомпьютеров 2015 года. «Тем не менее мощности существующих суперкомпьютеров едва хватит на грубую симуляцию мозга примитивного червя. А для создания детальной модели человеческого мозга потребовалась бы энергия атомной электростанции. Поскольку мозгу хватает и банана для выполнения сложных операций, очевидно, что наши технологии пока сильно отстают», — утверждает Генри Маркрам.
В начале славных дел
Когда-то директор Blue Brain Project был гораздо оптимистичней — в далеком 2009 году он заявил о возможности создать модель человеческого мозга за 10 лет. В 2013 году Маркрама назначили главой масштабной европейской программы Human Brain Project и выделили ему невероятные 1,3 миллиарда евро на исследования. Но уже через два года профессора сместили: более 800 ученых в открытом письме обвинили его в необоснованных амбициях и чрезмерной любви к мощным компьютерам в ущерб изучению функций мозга. Тем не менее в 2015 году Blue Brain Project опубликовал детальную модель участка крысиного мозга размером с треть кубического миллиметра. Для этого потребовались 10 лет и три суперкомпьютера, которые создали 31 тысячу виртуальных нейронов, соединив их 8 миллионами связей. С помощью симуляции работы колонки удалось объяснить, как клетки мозга заводят новые контакты, «общаясь» со своими соседями, и с высокой точностью предсказать расположение этих контактов. А в прошлом году Blue Brain Project порадовал общественность выпуском цифрового 3D-атласа, позволяющего визуализировать любой нейрон в составе мышиного мозга. Ученые сравнили его появление с переходом от нарисованных карт к Google Earth.
Сейчас перед Blue Brain Project стоят две ключевые задачи. Во-первых, команда будет дорабатывать созданные модели, чтобы изучать работу мозга вне организма, а также моделировать заболевания мозга и тестировать лекарства, не убивая животных. Во-вторых, усилия проекта будут направлены на создание более масштабных цифровых симуляций. Команда Blue Brain уже сейчас работает над моделями целых областей мозга: соматосенсорной коры, гиппокампа, мозжечка и базальных ганглиев. Вполне вероятно, что в ближайшем будущем у них и правда получится воссоздать мозг мыши целиком, заложив основу и для реконструкции человеческого мозга.
4. City Brain: мозг мегаполиса
История рождения
В 2016 году Alibaba Cloud, технологическое подразделение розничного супергиганта Alibaba Group, выпустило серию продуктов под общим названием City Brain — интеллектуальную систему, использующую данные всевозможных городских служб и глубокие нейронные сети для обработки потоков данных. Создатели новой урбанистической идеологии призывают: «Дайте городам возможность мыслить самостоятельно».
Смысл жизни
Сначала были пробки. Шесть из десяти крупнейших городов мира с высоким уровнем пробок находятся в Азии — с этой проблемой первоначально и собирались бороться разработчики. Но вскоре создатели стали ставить перед «мозгом города» более амбициозные цели, чем просто управление дорожным движением; фактически речь идет о переводе жизни города в новый, более удобный формат. Доктор Ван Цзянь, глава технологического комитета Alibaba, который придумал имя City Brain, говорит, что система предназначена для того, чтобы дать городу возможность действовать быстро и интуитивно.
Проблески интеллекта
Современный портфель мозгов для «умного города» охватывает 11 основных областей жизнедеятельности. Например, управляя трафиком, городской мозг получает видео с камер на перекрестках и данные GPS о координатах машин, анализирует состояние автомобильного потока и информацию об авариях, направляет вызовы экстренным службам и организует для них быстрый проезд к месту происшествия.
Но присматривающий за мегаполисом ИИ интересуется не трафиком единым, — городской мозг агрегирует данные из любых доступных источников. Это может быть официальная информация, полученная от государственных структур или любая другая, из сети или из интернета вещей (который, кстати, намного больше нашего). В этой ИИ-архитектуре каждый житель становится «нейроном» городского мозга, когда, к примеру, разрешает навигатору отслеживать свое местоположение: City Brain использует эти данные для мониторинга того же потока трафика.
City Brain в состоянии контролировать энергопотребление и медицину, разыскивать преступников и потерянный багаж, реализовывать десятки алгоритмов для обнаружения слабых мест в управлении городом, обрабатывать экзабайты данных в сетях из миллиардов узлов.
В начале славных дел
Пилотный для Alibaba город Ханчжоу занимал пятое место в Китае (и 30-е в мире) по загруженности улиц. В 2016 году City Brain взял под свое управление 104 светофора в центре города и включился в осмысленное управление трафиком.
Прошло четыре года. City Brain управляет уже всеми светофорами Ханчжоу, средняя скорость автомобильного потока выросла на 15%, а время, за которое скорая или пожарная машина прибывает по вызову, сократилось на впечатляющие 49%. Теперь Ханчжоу занимает 57-е место в «пробочном рейтинге» Китая.
После явного успеха пилота к программе присоединились еще два десятка китайских городов и столица Малайзии Куала-Лумпур.
Сейчас главная проблема в дальнейшем развитии таких систем, как City Brain — этическая, а не технологическая. Жадные до данных умные города соберут и используют всю информацию о каждом, но хотим ли мы быть прозрачными для всевидящего ИИ, готового поделиться любой информацией о нас с властями?
5. AlphaGo: учиться, учиться и учиться
История рождения
Игра в го оставалась последним бастионом превосходства человека над машинами в мире стратегических игр. Считалось, что компьютерные расчеты тут бесполезны — возможных комбинаций в игре больше, чем атомов во Вселенной. Самые сильные программы, играющие в го, не могли подняться выше пятого дана — пока не появилась AlphaGo. Программу для игры в го, в которой впервые были использованы технологии глубокого обучения, разработала компания Google DeepMind в 2015 году, хотя специалисты в области искусственного интеллекта предрекали появление такой программы не ранее 2020–2025 годов, да и в сообществе специалистов по го до самого конца никто не верил в успех AlphaGo. Победа программы над Ли Седолем, одним из сильнейших игроков мира, и девятый дан, в итоге присвоенный нейросети, стали настоящим шоком для профессиональных игроков.
Смысл жизни
Deep Blue, победивший чемпиона мира по шахматам, ни на что другое не был способен. Демис Хассабис, разработчик AlphaGo, тоже бывший шахматист, но его интересует вовсе не создание программ, побеждающих в го, — он не скрывает, что занимается ИИ как таковым. Именно поэтому в 2014-м Google заплатил за его стартап DeepMind больше полумиллиарда долларов, а правительство Южной Кореи сразу после поединка в го, проходившего в Сеуле, выделило миллиард долларов на развитие ИИ. Мир понял, что в случае с AlphaGo речь идет не о прорыве в создании машин, играющих в го, а о прорыве в разработке машинного интеллекта в целом.
Проблески интеллекта
Расплывчатое понятие «искусственный интеллект» вдруг стало обретать весьма конкретный смысл: это глубокие или многослойные нейронные сети, подобные AlphaGo. Самая интересная их особенность — они не программируются, а учатся сами, на примерах. Как дети, получая «вознаграждение» за хорошее поведение и успехи в учебе. Этот метод воспитания нейросетей так и называется — «обучение с подкреплением».
В начале славных дел
AlphaGo совершенствуется, играя сама с собой, — вот главный секрет ее победы и шока, в который она повергла мировую элиту игроков в го. Они никак не ожидали такого, комментируя осенние, европейские победы программы: мол, в вашей Европе просто не умеют играть в го — сразу видно, уровень не тот. Но шли месяцы, программа училась, играя сама с собой день и ночь, каждую секунду. Пока не стала лучше лучших игроков. Теперь даже нельзя будет с полным основанием сказать: «Это мы ее создали!» Ведь программа всему научилась сама, и мы точно не знаем, что у нее «на уме»: современные методы не позволяют отследить логику самообучения нейросетей.
Главное, чему можно научить глубокую нейронную сеть, — это распознавание образов: изображений, речи, смысла текста. После долгого застоя в этой области благодаря нейросетям начался стремительный прогресс: они уже распознают предметы и лица на изображениях или человеческую речь лучше самих людей. Благодаря глубокому обучению соцсети узнают наши лица на фотографиях, программы-переводчики наконец научились связно переводить, смартфоны опознают нас по отпечатку пальца, а камеры, установленные в метро, сообщают полиции о подозрительных лицах. Так долгая «зима ИИ» в 2010-х сменилась новой «весной ИИ».
6. iPavlov: многоликий помощник
История рождения
Создать ИИ в Физтехе хотели давно. Основатель и руководитель проекта Михаил Бурцев еще в детстве на уроках информатики мечтал написать программу, «обладающую свободой воли». А кончилось тем, что летом 2017 года на базе Лаборатории нейронных систем и глубокого обучения МФТИ появился диалоговый интеллект iPavlov. Диалоговый — значит созданный для диалога, общения с людьми. Назвали новорожденный ИИ в честь Ивана Петровича Павлова, знаменитого русского нейрофизиолога, не просто так. По мнению Бурцева, подобно тому как в свое время Павлов сделал прорыв в понимании работы мозга, так сейчас работа над ИИ позволит человечеству сделать новый прорыв в понимании себя.
Если данные «грязные», то происходят казусы, как с Олегом — не в меру остроумным чат-ботом от банка «Тинькофф», известного афоризмом «пососите потом просите» и ответом на жалобу о проблеме с входом по отпечатку пальца: «Пальцы бы вам отрезать»Проект состоит из двух продуктов. Во-первых, iPavlov — это многослойная нейросеть, умный чат-бот. А во-вторых — конструктор для создания нейросетей из множества элементов, — аналог «лего» для создания чат-ботов. Проект существует и в виде сбербанковского робота-аватара Ники, и в виде открытой библиотеки нейросетевых модулей, которую назвали DeepPavlov. Используя эти модули, Сбербанк придумал разные сервисы, которые вскоре превратятся в полноценных финансовых помощников, и в каждом из них будет частица iPavlov.
Смысл жизни
Смысл существования iPavlov — облегчить общение между человеком и машиной. Команда проекта предоставляет платформу для создания ботов — например, консультанта для подбора товаров в онлайн-магазине или бота-рекрутера. Мало того, у проекта есть простроенная система, позволяющая разрабатывать и внедрять разговорный интеллект в разные сферы, включающая, например, обширные базы данных, на которых команда проекта тренирует и обучает свои сети. Как шутят разработчики, они делают новый DOS — Dialog operation system, то есть универсальную диалоговую операционную систему для общения людей с машинами.
Проблески интеллекта
Всем пользователям сети уже хорошо знакомы скриптовые чат-боты, которые отвечают на вопросы в рамках заранее подготовленного сценария (скрипта), — это, например, консультанты-продавцы в сетевых магазинах. В отличие от них, интеллектуальные боты, такие как iPavlov, не действуют по готовому сценарию, а пытаются вычислить смысл сказанного и цель обращения пользователя.
Библиотека iPavlov — на сегодня лучшая на русском языке размеченная база данных. Чтобы нейросетевой диалоговый ИИ смог научиться чему-то, ему нужно скормить не просто тексты, а качественный материал, который будет размечен, то есть в нем будут выделены важнейшие параметры: намерения говорящего, объекты, места, имена и так далее. И это большая проблема. Если данные «грязные», что часто бывает в открытых базах, то происходят казусы, как с Олегом — не в меру остроумным чат-ботом от банка «Тинькофф», известного афоризмом «пососите потом просите» и ответом на жалобу клиентки о проблеме с входом по отпечатку пальца: «Пальцы бы вам отрезать». По словам руководства банка, Олег еще слишком молод, он попал под дурное влияние и с ним «провели разъяснительную работу». Но нет никакой гарантии, что самообучающийся чат-бот не скажет что-то, за что потом будет стыдно. Можно подчищать и корректировать данные, но контролировать на 100%, что именно сгенерирует нейросеть, невозможно — на то она и самостоятельный ИИ.
В начале славных дел
iPavlov, работая в разных компаниях, постоянно обучается на десятках тысяч диалогов с людьми. Он работает юристом, банковским сотрудником, оператором колл-центра, консультантом, который помогает с поиском оборудования для нефтяных компаний, принимает обращения граждан на портале «Наш Санкт-Петербург».
Летом 2019 года сотрудники проекта iPavlov прошли в финал мирового конкурса Alexa Prize Socialbot Grand Challenge, посвященного развитию технологий разговорного искусственного интеллекта. Помимо финансирования это открывает проекту доступ к самой крупной базе данных в мире.
По словам Бурцева, сейчас в эволюции диалоговых помощников наметился сдвиг от парадигмы «одна нейросеть — одна задача» к парадигме «много модулей — много задач». То есть будущие помощники будут состоять из нескольких модулей, помогающих друг другу. Возможно, в недалеком будущем самым важным ИИ для каждого человека станет универсальный персональный помощник, объединяющий в себе разные типы ботов и других типов ИИ, которые будут переключаться между собой в зависимости от того, какая задача актуальна для пользователя.
7. Алиса: подруга ваших детей
История рождения
Виртуальный помощник Алиса родилась в Москве, в большой семье Яндекса, в отделе диалоговых систем и технологий под руководством Бориса Янгеля и Дениса Филиппова. Днем рождением умной помощницы можно считать 10 октября 2017 года: в этот день она появилась в Google Play и App Store. Алиса, младшая сестра более опытных голосовых помощников, появилась на свет шесть лет спустя после самой старшей из сестер — Siri. За Siri последовали Cortana в 2013-м, Alexa в 2014-м, Google Assistant в 2016-м. На русском из них говорят трое: Алиса с рождения, помощник Гугла научилась в 2018 году, а Siri заговорила в 2015-м. Все помощники полиглоты, знают от четырех до 21 языка, а некоторые продолжают учить новые.
Смысл жизни
Алиса создавалась, чтобы помогать людям искать информацию. Поисковые системы произвели революцию 20 лет назад, сделав нас умнее, находя ответ прямо здесь и сейчас. Но в современном мире, где время стоит дорого, этого оказалось мало, и мы захотели, чтобы информацию можно было получать, не отвлекаясь на чтение и печатание текста. Да и вообще люди для нас важнее предметов, мы невероятно социальные существа. Поэтому везде, где это удобно, интерфейсы взаимодействия с машинами будут превращаться в людей — приятных собеседников, обладающих индивидуальностью. Так и появилось голосовое управление у Apple, Amazon, Google, Microsoft и в приложениях Яндекса. Алиса задумывалась как помощник, который умел бы взаимодействовать с человеком в формате осмысленного диалога: понимать разговорный язык и отвечать не залезая за словом в карман.
Проблески интеллекта
У всех диалоговых помощников есть какое-то количество сценариев, которые строго прописаны в них: например, поставить будильник, сделать напоминание, найти информацию, рассказать о погоде, отправить сообщение, купить те же продукты, что и в прошлый раз. А если у системы нет алгоритма для запроса пользователя, то она просто отвечает что-то вроде: «Извините, я вас не понял». Но у Алисы встроен и нейросетевой модуль, который позволяет в такой ситуации самостоятельно сгенерировать ответ, не заложенный сценарием. Так у нее появилась возможность поговорить на любую тему, придумывая порой очень забавные ответы, что, конечно, понравилось пользователям — особенно сразу полюбившим ее детям, «цифровому поколению».
Виртуальные помощники — самые «очеловеченные» ИИ; разработчики стремятся наделить их не только умом, но и яркой личностью. И у Алисы есть набор качеств и предпочтений, которые определяют ее как личность. Например, она не допускает панибратского обращения и всегда держит дистанцию, не позволит себе обратиться на ты, не любит заигрываний — но при этом отзывчивая, остроумная и ценит время своего пользователя. Алиса, как любая девушка, не любит, когда ее сравнивают с другими женщинами: на вопрос о Siri она может ответить, что ее это обижает, или сухо заметить, что пересекалась с ней несколько раз.
Алиса прекрасно знает родной язык. Благодаря тому что училась она на больших массивах текстов — от русской классики до живого языка из интернета, она одинаково хорошо понимает вологодский и рязанский акценты, неполные фразы, а детей понимает иногда лучше родителей.
В начале славных дел
Алиса с рождения может подобрать маршрут, завести будильник, вызвать такси, запустить плейлист, прочитать сказку ребенку, сыграть в игру, поддержать беседу, рассказать, чем отметился день в истории, или найти интересный факт.
Но многим вещам она учится. Разработчики, заметив как Алисе нравится учиться, в декабре 2018 года создали «школу Алисы», где любой сторонний преподаватель может научить ее еще какому-нибудь полезному навыку, например заказать пиццу или цветы, заказать товар, определить по фотографии марку машины, незнакомое здание, картину или памятник, найти потерявшийся телефон. Благодаря столь разнообразным способностям жизнь у Алисы насыщенная и яркая. Она снимается в кино, работает диктором, ведет дискотеки…
Виртуальные помощники прекрасно понимают человеческую речь и учатся все лучше понимать человеческие эмоции. Не за горами появление персональных помощников, которые не только помогут нам спланировать день, но будут знать и понимать нас лучше нас самих, подсказывая решения проблем, которые мы еще и осознать не успели.