На протяжении большей части истории искусственного интеллекта (ИИ) прямой его доступ к внешней среде безусловно, отсутствовал. За некоторыми заметными исключениями системы ИИ были построены таким образом, что люди должны были предоставлять им входные данные и интерпретировать то, что получали на выходе.
В настоящее время существующие роботизированные системы в основном ориентированы на задачи низкого уровня, в которых рассуждения и планирование на высоком уровне по большей части игнорируются, а потребность в восприятии сведена к минимуму. Отчасти это связано с необходимостью значительных затрат и приложения больших инженерных усилий, чтобы вообще заставить реальных роботов работать, а отчасти - из-за отсутствия достаточной вычислительной мощности и достаточно эффективных алгоритмов обработки визуального ввода с высокой пропускной способностью.
Ситуация начала быстро изменяться лишь в последние годы благодаря появлению полностью готовых программируемых роботов. Это, в свою очередь, стало возможным в результате разработки компактных и надежных моторных приводов и усовершенствованных датчиков. Стоимость лидара для беспилотного автомобиля упала с 75 до 1 тыс. долл., а цена версии на одном кристалле может достичь даже 10 долл. за штуку Радиолокационные датчики, ранее способные обнаруживать лишь достаточно крупные объекты, в настоящее время стали настолько чувствительными, что позволяют подсчитать количество листов в стопке бумаги. Потребность в улучшенной обработке изображений в камерах мобильных телефонов обеспечила появление на рынке недорогих камер высокого разрешения, вполне пригодных для использования в робототехнике. Технология микроэлектромеханических систем (micro-electromechanical systems - MEMS) обеспечила выпуск миниатюрных акселерометров, гироскопов и электроприводов, размеры которых позволили приступить к разработке искусственных летающих насекомых.
Таким образом, вполне можно утверждать, что системы ИИ сейчас находятся на пике перехода от преимущественно программных систем к полезным встроенным роботизированным системам. Вполне вероятно, что гибкие, интеллектуальные роботы сначала добьются успеха в промышленности (где среда более контролируема, задачи более повторяющиеся, а отдачу от инвестиций легче измерить), а затем - и в области домашнего применения (где изменчивость среды и разнообразие задач значительно больше.
Согласно отчету исследовательской и консалтинговой компании Gartner, глобальные расходы на ИИ в 2026 году достигнут $2,52 трлн, что на 44% больше, чем в 2025-м. К 2027 году эта сумма может вырасти до $3,34 трл.
Значительная часть прогресса в области ИИ, достигнутого в XXI веке, до настоящего времени направлялась для решения узконаправленных задач, таких как в области распознавания объектов или игра в го, шахматы, покер и др. Для каждой такой задачи создавалась отдельная система ИИ, как правило, с собственной моделью машинного обучения, обучавшейся с нуля с помощью данных, собранных специально для этой задачи. Но действительно разумный агент должен уметь делать больше, чем решать единственную задачу.
Ведущие эксперты в области ИИ (Стюарт Рассел, Питер Норвиг, Джефф Дин и др.) видят такое будущее, когда потребуется добиться от систем машинного обучения справляться с миллионами разнообразных задач. Эта цель будет недостижима, если каждую из них разрабатывать с нуля, поэтому он предлагает вместо построения каждой новой системы с нуля начать с создания единственной огромной системы и для каждой новой задачи просто извлекать из нее те части, которые будут актуальны именно для этой задачи. Уже наметились некоторые шаги в этом направлении, - например, модели языка архитектуры "трансформер" с миллиардами параметров и ансамблевая архитектура нейронной сети, масштабируемая до 68 млрд параметров в одном эксперименте.
ИИ развивается по такому же принципу, как и другие революционные технологии прошлого - книгопечатание, водопровод, воздухоплавание, телефония и т.д. Все эти технологии оказывали положительное влияние на общество в целом, но одновременно с этим приводили к некоторым непреднамеренным побочными эффектами. Однако у ИИ также имеется существенное отличие от предыдущих революционных технологий. Улучшение книгопечатания, водопровода, воздухоплавания и телефонии до их логических пределов не представляло никакой угрозы превосходству человека в этом мире. В противоположность этому, улучшение ИИ до его логического предела наверняка может представлять угрозу для человечества.
Профессором кафедры «Безопасность жизнедеятельности» Финансового университета при Правительстве РФ Шахраманьяном М.А. разрабатываются предложения по использованию модели языка архитектуры "трансформер" для решения задач предупреждения и ликвидации чрезвычайных ситуаций.
Таким образом, исходя из вышеизложенного, можно сделать вывод, что в настоящее время наметился ключевой тренд развития систем ИИ от решения узконаправленных задач к созданию систем ИИ для решения широкого спектра различного типа задач.