Технологии будущего против криминала - стр. 10

• Цифровое шифрование. Цифровое шифрование амбивалентно. С одной стороны оно создает возможности для общественности, граждан и бизнеса защитить свою информацию не только от преступников, но и от несанкционированного доступа к ней правительственных структур. С другой стороны, широкое распространение шифрования создает большие трудности для полицейских органов. Начиная с 2013 г. многие британские граждане стали использовать шифрованную электронную почту, мессенджеры и т.п. Это создает значительные затруднения правоохранительным органам. Вероятно, необходимо регламентировать возможности шифрования гражданами, а также специально предусмотреть обязанность для производителей шифрованных коммуникаторов предоставлять соответствующие ключи правоохранительным органам.

Помимо изучения конкретных технологий Центр особое внимание уделяет изучению вопросу: как новой технологии будут взаимодействовать и влиять друг на друга. Центр будет выпускать ежегодный доклад по перспективным тенденциям развития технологий с точки зрения полиции. Такой доклад позволит не только использовать потенциал технологической революции для повышения эффективности работы полиции, но и своевременно оценить риски и угрозы попадания этих технологий в руки криминала.

Джошуа Бенджо – профессор информатики в Монреальском университете, один из пионеров в области разработки методов глубинного обучения, считает, что после 2005 г. исследования в области искусственного интеллекта стали перспективным делом. И произошло все это благодаря концепции глубинного обучения – так называется подход к созданию компьютеров, наделенных искусственным интеллектом, черпающий вдохновение в нейробиологии. В последние годы концепция глубинного обучения стала тем самым локомотивом, который придал ускорение исследованиям в области искусственного интеллекта. Теперь крупнейшие ИТ-компании принялись вкладывать в технологию глубинного обучения миллиарды долларов (В мире науки [08/09] август/сентябрь 2016).

Принцип глубинного обучения заключается в моделировании нейронных сетей, которые постепенно «учатся» распознавать изображения, понимать речь и даже самостоятельно принимать решения. Технология глубинного обучения основана на использовании так называемых искусственных нейронных сетей – основного объекта нынешних исследований в области ИИ. Нет, виртуальные, искусственные нейронные сети вовсе не представляют собой точную копию настоящих нейросетей головного мозга, и функционируют они примитивнее: в основу их работы положены общие математические принципы обучения на примерах из обучающей выборки, что позволяет нейросетям распознавать всевозможные объекты на фотографиях (например, лица людей и т.д.) или переводить тексты, написанные на основных языках мира.

Технология глубинного обучения коренным образом изменила сам характер исследований в области ИИ, вдохнув новую жизнь в позабытые было амбициозные планы по созданию компьютерного зрения, распознаванию речи, обработке естественных языков, реализации проектов в области робототехники. Первые программы распознавания речи были созданы в 2012 г. (например, всем известный сервис Google Now). Затем стали появляться приложения, распознающие фотографии (данная функция в настоящее время интегрирована в сервис Google Photos).