114
0
Время чтения ≈ 22 минуты

Искусственный интеллект — технология, которая позволяет программе воспроизводить и даже превосходить возможности человеческого разума. Последние несколько лет наглядно показали, насколько стремительно развивается это направление, приближая к реальности сцены из фантастических романов. Эта статья — краткий гид по миру искусственного интеллекта. В ней мы дадим определение технологии, перечислим основные типы, преимущества и недостатки, а также тренды развития и примеры применения ИИ.

Что такое искусственный интеллект

Искусственный интеллект или ИИ (англ. Artificial Intelligence, AI) определяется, как набор программных алгоритмов, позволяющий имитировать ряд функциональных возможностей человеческого мозга в динамической вычислительной среде. Алгоритмы искусственного интеллекта используют несколько технологий, которые позволяют машинам ощущать, понимать, планировать, действовать и учиться, подобно тому, как это делают люди.

Системы искусственного интеллекта воспринимают окружающую среду, распознают объекты, способствуют принятию решений, решают сложные проблемы, извлекают уроки из прошлого опыта и имитируют шаблоны. Эти способности могут комбинироваться для выполнения таких задач, как беспилотное вождение автомобиля или распознавание лиц при разблокировке экранов устройств.

ИИ в первую очередь развивается за счет исследования механизмов работы и способностей человеческого мозга для последующего применения этих знаний к «умным» машинам. Основной целью искусственного интеллекта является разработка технологии, позволяющей компьютерным системам работать независимо от человека и принимать решения на полноценной интеллектуальной основе.

История искусственного интеллекта

София — самообучающейся гуманоидный робот с ИИ, созданный Hansen Robotics в 2016 году.

  • 1942 год — немецкая шифровальная машина Enigma взломана с помощью ИИ.
  • 1950 год — создан тест на машинный интеллект Алана Тьюринга.
  • 1955 год — американский ученый-компьютерщик Джон Маккарти придумал термин «искусственный интеллект», который он озвучил официально на конференции год спустя.
  • 1958 год — был разработан первый высокоуровневый язык программирования Lisp для исследований ИИ.
  • 1959 год — пионер в области компьютерных игр Артур Сэмюэль придумал термин «машинное обучение».
  • 1961 год — на сборочной линии General Motors в Нью-Джерси внедрен первый промышленный робот Unimate.
  • 1966 год — в лаборатории искусственного интеллекта Массачусетского технологического института появился первый чат-бот ELIZA.
  • 1970 год — в японском университете Васэда был разработан первый антропоморфный робот WABOT-1.
  • 1986 год — совершил поездку первый беспилотный автомобиль, фургон Mercedes-Benz.
  • 1995 год — создан компьютер ALICE (Artificial Linguistic Internet Computer Entity), способный к сбору выборочных данных на естественном языке.
  • 1997 год — ИИ компьютера IBM DeepBlue побеждает чемпиона мира по шахматам.
  • 1998 год — создан первый робот с «эмоциями» Kismet.
  • 2002 год — первый автономный робот-пылесос Roomba.
  • 2008 год — у iPhone и Siri появилась функция распознавания голоса.
  • 2010 год — Microsoft выпустила Kinect для Xbox 360, первое игровое устройство, отслеживающее движение человеческого тела с помощью 3D-камеры и инфракрасного излучения.
  • 2011 год — в телевизионной викторине «Jeopardy!» компьютерная система IBM Watson обыгрывает двух экс-чемпионов.
  • 2014 год — Apple выпустила первого встроенного персонального помощника с голосовым управлением Siri.
  • 2016 год — появился первый робот-гражданин София.
  • 2017 год — первый композитор с искусственным интеллектом Amper.
  • 2020 год — революционная языковая модель GPT-3 (Generative Pre-trained Transformer) научилась самостоятельно генерировать качественный текст на заданную тему, применяя предварительно обученные алгоритмы.
  • 2022 год — компания OpenAI, разработавшая GPT-3, создала на основе этой модели продвинутый чат-бот с искусственным интеллектом ChatGPT, способный поддерживать диалог с запросами на естественных языках.

Развитие систем искусственного интеллекта продолжается стремительными темпами, меняя окружающую действительность на наших глазах. Мы уже увидели умные беспилотные автомобили, чипы с ИИ, мощные онлайн-инфраструктуры Azure-Microsoft на базе искусственного интеллекта и множество других блестящих изобретений. Подробнее о том, какие изменения могут принести нам технологии ИИ в ближайшее время, мы поговорим чуть ниже.

Как работает искусственный интеллект

Система искусственного интеллекта принимает входные данные в виде речи, текста, изображения, а затем обрабатывает их, применяя различные правила и алгоритмы. После обработки система выдает результат, т. е. успех или неудачу, при вводе данных.

Затем результат оценивается посредством анализа, открытия и обратной связи. Наконец, система использует свои оценки для корректировки входных данных, правил и алгоритмов, а также целевых результатов. Этот цикл продолжается до тех пор, пока не будет достигнут желаемый результат.

Ключевые области искусственного интеллекта

Ландшафт ИИ распространяется на множество передовых технологий, которые позволяют компьютерным системам понимать человеческий язык, учиться на примерах и делать прогнозы. Хотя каждый из компонентов ИИ развивается независимо, в сочетании с другими технологиями, данными, аналитикой и автоматизацией, они могут найти применение в любой производственной задаче — от оптимизации цепочек поставок до улучшения обслуживания клиентов.

  • Машинное обучение или ML (Machine learning) — приложение на основе ИИ, которое автоматически учится и совершенствуется на основе предыдущих наборов данных без необходимости явного программирования.
  • Нейронная сеть (Neural network) — это компьютерная система или системы, которые в общих чертах моделируют нейронные связи в человеческом мозге и обеспечивают глубокое обучение.
  • Глубокое обучение или DL (Deep learning) — подмножество машинного обучения, в котором обработка обучающих данных происходит с помощью искусственных нейронных сетей.
  • Когнитивные вычисления (Cognitive computing) направлены на воссоздание мыслительного процесса человека в компьютерной модели. Технология стремится имитировать логику работы человеческого сознания и улучшить взаимодействие между людьми и машинами. Это происходит, например, через распознавание ИИ человеческого языка и значения изображений.
  • Обработка естественного языка или NLP (Natural language processing) — инструмент, который позволяет компьютерам понимать, распознавать, интерпретировать и воспроизводить человеческий язык и речь.
  • Компьютерное зрение или CV (Computer vision) использует глубокое обучение и идентификацию шаблонов для интерпретации содержимого изображения (графики, таблицы, изображения в формате PDF и видео).
  • Роботизированная автоматизация процессов или RPA (Robotic process automation) — дисциплина искусственного интеллекта, которая помогает частично или полностью автоматизировать повторяющиеся ручные операции с помощью настройки робота (программного приложения), способного к интерпретации, передаче и анализу данных.

Типы искусственного интеллекта

Технологии искусственного интеллекта можно условно разделить на две большие категории: ИИ на основе возможностей, ИИ на основе функциональности. Каждая из этих разновидностей, в свою очередь, делится на более специализированные подкатегории.

На основе возможностей

Узкий ИИ

Узкий или слабый искусственный интеллект (Narrow AI, NAI или Artificial Narrow Intelligence, ANI) — это узкоспециализированный ИИ, обученный выполнять конкретную задачу. Слабый ИИ работает в рамках ограниченного и заранее определенного набора параметров, ограничений и контекстов.

Примерами использования NAI могут служить пользовательские рекомендации по видео/аудио контенту в популярных онлайн-кинотеатрах или соцсетях, предложения о покупке на сайтах электронной коммерции, автономные автомобили, а также системы распознавания речи и изображений.

Общий ИИ

Общий или сильный искусственный интеллект (General AI, GAI или Artificial General Intelligence, AGI) — версия ИИ, которая выполняет любую интеллектуальную задачу с человеческой эффективностью. Целью общего ИИ является разработка системы, способной думать самостоятельно, как это делают люди. В настоящее время общий ИИ все еще находится в стадии исследования, и предпринимаются усилия по разработке машин с расширенными когнитивными способностями.

Супер ИИ

Искусственный суперинтеллект (Super AI, SAI) — это версия ИИ, которая превосходит людской интеллект и может выполнять любую задачу лучше, чем человек. Возможности машины с супер-ИИ включают следующие виды самостоятельной деятельности:

  • мышление;
  • аргументация;
  • решение головоломок;
  • вынесение суждений;
  • обучение;
  • общение.

Сегодня это гипотетическая концепция, но она представляет собой будущее ИИ.

На основе функциональности

Реактивные машины

Реактивные машины (Reactive machines) — базовая разновидность ИИ, представители которой не хранят прошлый опыт или воспоминания для будущих действий. Такие системы фокусируются на текущих сценариях и реагируют на них, основываясь на наилучших возможных действиях. Популярные примеры реактивных машин включают шахматный суперкомпьютер Deep Blue от IBM и программа для игры в го AlphaGo от Google.

Машины с ограниченной памятью

Машины с ограниченной памятью (Limited memory machines) могут хранить и использовать прошлый опыт или данные в течение короткого периода времени. Например, беспилотный автомобиль может хранить информацию о скорости транспортных средств поблизости, их соответствующих расстояниях, ограничениях скорости и другую важную информацию для навигации в пробках.

ИИ с теорией разума

Теория разума (Theory of mind) относится к типу ИИ, который может понимать человеческие эмоции и убеждения и способен к социальному взаимодействию по человеческому подобию. Этот вид искусственного интеллекта еще не разработан и существует только в концепции.

Самосознающий ИИ

Концепция самосознающего искусственного интеллекта (Self-aware AI) относится к сверхразумным машинами с их сознанием, чувствами, эмоциями и убеждениями. Ожидается, что такие системы будут умнее человеческого разума и могут превзойти нас в поставленных задачах.

Преимущества искусственного интеллекта

Более эффективное решение

Исследования ИИ сосредоточены на разработке алгоритмов решения сложных задач, способных делать логические выводы и имитировать человеческие рассуждения. Такие виды искусственного интеллекта, как системы прогнозирования фондового рынка, предлагают методы решения неопределенных ситуаций или головоломок с неполной информацией, основывающиеся на практическом использовании теории вероятности.

Облегчение планирования

С помощью ИИ человек может делать прогнозы и выяснять отдаленные последствия своих действий в будущем, чтобы принимать верные решения в настоящем. Планирование на основе искусственного интеллекта позволяет более эффективно достигать целей и оптимизирует общую производительность с помощью инструментов предиктивной аналитики, анализа данных, прогнозирования и моделей оптимизации. Это особенно актуально для робототехники, автономных систем, когнитивных помощников и кибербезопасности.

Развитие творчества

ИИ может обрабатывать огромные объемы данных, рассматривать варианты и альтернативы, чтобы находить новые направления творческой мысли или возможности для общественного прогресса. Например, система искусственного интеллекта может предоставить несколько вариантов дизайна интерьера для трехмерной планировки квартиры или предложить несколько неожиданных решений в оформлении фирменного стиля компании.

Возможность непрерывного обучения

Машинное обучение подразумевает способность компьютерных алгоритмов улучшать знания ИИ посредством наблюдений и прошлого опыта. Искусственный интеллект в основном использует две модели обучения — контролируемую и неконтролируемую, основное различие между которыми заключается в использовании различных наборов данных.

Поскольку системы ИИ обучаются независимо, они требуют минимального вмешательства человека или вообще могут обходиться бег него. Например, технология ML предполагает непрерывный автоматизированный процесс обучения.

Создание системы представления знаний

Исследования ИИ вращаются вокруг идеи представления знаний (knowledge representation) и инженерии знаний (knowledge engineering). Это относится к представлению «того, что известно» машинам с онтологией для создания набора объектов, отношений и понятий.

Представление знаний раскрывает информацию, которую компьютер использует для решения сложных практических проблем, таких как диагностика медицинских заболеваний или взаимодействие с людьми на естественном языке. Исследователи могут использовать представленную информацию для расширения базы знаний ИИ, а также для тонкой настройки и оптимизации своих моделей ИИ.

Поощрение социального интеллекта

Аффективные вычисления, также называемые «эмоциональным ИИ» (EAI), — это ветвь ИИ, которая распознает, интерпретирует и моделирует человеческий опыт, чувства и эмоции. С их помощью компьютеры могут считывать выражения лица, язык тела и тон голоса, чтобы позволить системам ИИ взаимодействовать и общаться на человеческом уровне. Исследовательские усилия в направлении «эмоционального ИИ» в перспективе приведут к появлению у машин социального интеллекта.

Недостатки искусственного интеллекта

Предвзятость алгоритмов

Системы ИИ работают с обученными данными, а значит их качество напрямую зависит от качества использованных данных, что неизбежно вызывает предвзятость. Этот недостаток может возникать из-за расовых, гендерных, социальных или культурных предубеждений, которые были свойственны людям, а позже перенеслись на алгоритмы, обученные на созданном человеком контенте. Предвзятость искусственного интеллекта может повлиять на такие жизненно важные решения, как выбор подходящих кандидатов во время собеседования или определение права на получение кредита.

Проблема «черного ящика»

Алгоритмы искусственного интеллекта похожи на «черные ящики» — методы их работы надежно скрыты от пользователей и специалистов. Мы можем увидеть, какой прогноз дала система, но не знаем, как она пришла к этому выводу, что снижает уровень доверия.

Требуется высокая вычислительная мощность

Чем больше алгоритмов ИИ участвуют в рабочем процессе, тем больше им требуется дополнительных ядер и графических процессоров. Ограничения, задаваемые «железом» — один из главных факторов, препятствующих повсеместному проникновению систем искусственного интеллекта во все области хозяйства.

Сложная интеграция

Интегрировать ИИ в существующую корпоративную инфраструктуру сложнее, чем добавить плагины на веб-сайты или изменить таблицы Excel. Важно убедиться, что текущее ПО и оборудование совместимы с требованиями системы искусственного интеллекта, а значит интеграция не понизит текущую производительность. Кроме того, необходимо внедрить интерфейс ИИ, чтобы упростить управление его инфраструктурой.

Юридические вопросы

Такие тонкие вопросы как массовая обработка конфиденциальных данных или ответственность за действия машин под управлением ИИ, могут стать причиной противоречий с действующими нормами законов. Хотя само понятие «искусственный интеллект» введено в российское правовое поле президентским указом № 490 и последующим федеральным законом № 123-ФЗ, детальное регулирование использования ИИ — задача ближайшего будущего.

Применение искусственного интеллекта — основные тренды

Информационная безопасность

Неумолимая статистика специалистов по информационной безопасности (ИБ) показывает, что количество киберугроз увеличивается с каждым днем. Согласно официальному заявлению МИД России, только за прошлый год число кибератак на отечественные веб-ресурсы возросло на 80 %. И главной целью часто становились сайты крупных организаций, предприятий и объекты критической информационной инфраструктуры (КИИ).

Клиенты не могут войти на сайт из-за DDoS? Хватит терпеть убытки!
Подключите интеллектуальную DDoS-защиту CyberFlow и забудьте о проблемах!

Искусственный интеллект может эффективно дополнить усилия экспертов по кибербезопасности, сняв с них часть нагрузки. Машины отлично справляются с быстрой обработкой больших данных и успешно обнаруживаю любую странную или подозрительную активность. Конечно, даже самый продвинутый ИИ не сможет полностью заменить человеческий интеллект, но вместе они смогут создать более совершенные инструменты для решения ключевых задач ИБ, включая:

  • Выявление и прогнозирование — модели искусственного интеллекта могут обнаруживать даже малейшие потенциальные угрозы безопасности, уязвимости и вредоносные действия, чтобы превентивно останавливать их.
  • Сетевая безопасность — с помощью шаблонов сетевого трафика, ИИ может помочь автоматизировать такие важнейшие аспекты ИБ сетей, как параметры безопасности и топография сетей.
  • Защита паролем и аутентификация — хотя наличие надежного пароля остается обязательным условием сохранения кибербезопасности, технологии ИИ с биометрическими проверками (например, Face ID в iPhone) могут добавить к этому дополнительный уровень надежности.
  • Уменьшение влияния «человеческого фактора» — по статистике, человеческая ошибка при выполнении рутинных операций становится одной из наиболее частых причин утечки данных. ИИ поможет избежать проблемы, так как идеально точно справляется с повторяющимися задачами.
  • Борьба с угрозами ИБ на базе ИИ — после того, как было обнаружено, что первая кибератака с использованием искусственного интеллекта по модели Text-to-SQL достигла 100 % эффективности, стало очевидно, что противостоять подобным нападениям можно только с привлечением ресурса нейронных сетей.

Пример реализации: система защиты от DDoS-атак на базе искусственного интеллекта CyberFlow. Использование ИИ позволило эффективно выявлять и предотвращать любые разновидности распределенных атак типа «отказ в обслуживании» на всех уровнях сетевой модели OSI, а также создавать уникальный защитный профиль для каждого пользовательского аккаунта.

Чат-боты и виртуальные помощники

Еще одна тенденция ИИ, которая «сделала» прошлый год и перешла в этот — более умные чат-боты и виртуальные помощники. Старт этому дала пандемия COVID-19, вынудившая бизнес всех отраслей и размеров спешно оснащать своих сотрудников удаленными рабочими местами.

Большинство чат-ботов и виртуальных помощников используют технологии глубокого обучения (DL) и обработки естественного языка (NLP) для автоматизации рутинных задач. Одним из самых перспективных направлений применения этой разновидности ИИ является языковое моделирование, которое позволяет компьютерам понимать семантику языка, составлять предложения с помощью предсказания слов и преобразовывать текст в компьютерные коды.

Пример реализации: мы постоянно сталкиваемся с «умными» чат-ботами при попытке обратиться в колл-центр банка или крупной организации, а также пользуемся голосовыми помощниками от лидеров ИТ-индустрии (например, Алисой от Яндекса или Siri от Apple). Прорывом в данной области стала модель нейронной сети GPT-3 (Generative Pre-trained Transformer 3) от OpenAI, которая использует глубокое обучение на 175 миллиардах параметров для обработки и генерации человекоподобного языка. GPT-3 может создавать стихи, прозу, новости, посты и шутки, переводить с иностранного, решать примеры, давать описания, отвечать на вопросы о прочитанном, структурировать информацию и даже программировать. Ожидается, что GPT-4, выпуск которой запланирован на 2021 год, будет иметь в 500 раз больше параметров анализа и обработки естественного языка, чем GPT-3.

Генеративный ИИ

Генеративный искусственный интеллект — технология, которая использует ИИ и алгоритмы машинного обучения, чтобы создавать новый контент. Ее применение охватывает обширную область — от создания визуальных, аудио-, видео-материалов и программного кода до стресс-тестирования ПО и разработки продвинутых лекарственных препаратов.

Аналитики таких ведущих технологических изданий, как Gartner и Info-Tech включили генеративный ИИ в основные тренды искусственного интеллекта на ближайшие годы, в том числе за счет повышенного общественного интереса и хорошей коммерциализации.

Однако у широкого распространения генеративного ИИ есть и свои риски. Главный из них на сегодня — увеличение угроз, которые создают так называемые дипфейки (от англ. deep fake, «глубинная подделка»). Эти реалистичные имитации облика человека, часто медийной знаменитости или бизнес-персоны могут успешно использоваться для обмана, дезинформации или финансового мошенничества. Особенно опасные в этом плане дипфейки в реальном времени или лайв-дипфейки (real-time deepfakes). Такие инструменты на основе ИИ, как нейросеть VALL-E от Microsoft, которя может имитировать человеческий голос всего за три секунды ввода звука, способны открыть новую эру киберпреступности

Пример реализации: прошедший году стал по-настоящему «взрывным» для генеративных ИИ, отодвинув на задний план лидировавшее ранее в общественном мнении технологии метавселенных или криптовалюты. Благодаря таким сервисам, как Midjourney, DALL-E 2, Prisma Lab и Stable Diffusion интернет оказался буквально наводнен крайне реалистичными изображениями, созданными искусственным интеллектом по «заказу» пользователей. А исследования, которые проводят с генеративными ИИ крупные компании, вроде музыкального проекта MusicLM от Google, способны революционизоровать текущий подход к созданию любого интернет-контента.

Технологии с компьютерным зрением

Термин «компьютерное зрение» или «машинное зрение» относится к ИИ, который использует алгоритмы машинного обучения для воспроизведения человеческого зрения. Модели обучены идентифицировать шаблон на изображениях реального мира и классифицировать объекты на основе распознавания.

Эта технология находит применение в таких отраслях, как сфера обслуживания, здравоохранение, сельское хозяйство, промышленное производство, автономные транспортные средства и системы безопасности. Например, с помощью компьютерного зрения может сканировать запасы на складах в розничном секторе или автоматически определять местоположение пешеходов на видео с дорожных камер при проектировании систем защиты умных городов.

Пример реализации: самая продвинутая на сегодня комплексная система компьютерного зрения Tesla Vision, созданная с помощью платформы параллельных вычислений NVIDIA CUDA. Программное обеспечение поддерживает новейшее поколение автопилотов Tesla (Tesla Autopilot) и технологии автономного вождения.

Автономные транспортные средства

Поскольку все больше и больше производителей автомобилей продолжают инвестировать в автономные транспортные средства, ожидается, что проникновение беспилотных автомобилей на рынок значительно возрастет. Согласно прогнозам авторитетной некоммерческой организации Victoria Transport Policy Institute, к 2030-м, 2040-м годам автономные транспортные средства прочно займут свое место в парке общественных автобусов и грузовиков, а к 2045 году их число может составить половину от общего парка новых автомобилей.

Пример реализации: самоуправляемые автомобили с компьютерным зрением уже тестируются такими компаниями, как Tesla, Uber, Google, Ford, GM, Aurora и Cruise. В августе 2021 года Tesla представила чип Dojo, разработанный для обработки больших объемов изображений, собранных системами компьютерного зрения, встроенными в беспилотные автомобили. А в декабре 2022 компания Waymo (экс Google Self-Driving Car Project) подала финальную заявку на разрешение эксплуатировать полностью автономные такси в Калифорнии.

Цифровые двойники

Термин «цифровой двойник» (Digital Twin) относится к идеально синхронизированным, физически точным виртуальным копиям реальных объектов, процессов или сред. Эта прорывная технология цифровизации и цифровой трансформации всегда шла рука об руку с искусственным интеллектом. ИИ улучшает цифровые двойники, позволяя технологии анализировать вероятностные сценарии и запускать симуляции, предоставляя исследователям больше данных для анализа, что позволяет увеличить эффективность в принятии решений.

Пример реализации: масштабный проект «Цифровой двойник Москвы» включает в себя не только оцифровку улиц российской столицы, но и отображение в реальном времени транспортных потоков и состояния дорожной инфраструктуры. Это помогает городским властям автоматизировать многие области своей деятельности и принимать более объективные решения при планировании, опирающиеся на реальные данные.

Разработка инновационных лекарств

Широкое привлечение искусственного интеллекта к созданию медицинских препаратов может по-настоящему революционизировать фармокологичекую отрасль. Благодаря огромной скорости и точности обработки данных, а также новым подходам к прогнозированию результатов, ИИ способен совершить прорыв в критических областях, от которых зависят жизни миллионов людей. Применение машинного интеллекта спсобно не только дать надежду победить неизлечимые сегодня заболевания, но и сделать более эффективно существующую систему здравоохранения, повсеместно внедрив в нее автоматизацию и принципы цифровой трансформации.

Пример реализации: система на основе алгоритмов глубокого обучения AlphaFold, разработанная компанией DeepMind, способна моделировать в 3-D среде поведение белковых структур человечекого тела. В начале 2023 года авторитетный британский научный журнал Chemical Science опубликовал исследование, в котором утверждалось, что с помощью AlphaFold всего за 30 дней работ ученым удалось вплотную приблизиться к созданию лекарства от рака печени.

Заключение

По мере того как роль искусственного интеллекта повышается во всех аспектах жизни общества, науки и бизнеса, мы видим все больше примеров блестящей реализации этой технологической парадигмы. Сегодня «машины» помогают людям автоматизировать производство, анализировать большие объемы данных, улучшать качество обслуживания клиентов или находить новые вдохновляющие идеи творчества.

Подобный качественный переход стал возможен, поскольку ИИ, машинное обучение, глубокое обучение и нейронные сети стали доступны не только крупным компаниям, но также малым предприятиям и даже обычным пользователям в виде готовых сервисов, работающих по принципу «кликнул и готово».

Вопреки распространенному мнению о том, что ИИ заменит людей на всех должностях, в ближайшие годы можно ожидать только более высокой степени интеграции между людьми и машинами. Подобное сотрудничество будет однозначно полезно для человека. По мере повышения доступности, ИИ будет улучшать наши когнитивные навыки и способности, а также повысит общую производительность труда и эффективность в принятии решений.

Оцените материал:
[Всего голосов: 0    Средний: 0/5]
Подписаться
Уведомление о
guest
0 комментариев
Inline Feedbacks
View all comments

Надежный хостинг для сайта. 14 дней - бесплатно!