На какие отрасли подразделяется искусственный интеллект ai

Технологии искусственного интеллекта: что умеют, где используются

Технологии искусственного интеллекта – это то самое окно, через которое можно заглянуть в будущее. Мы мечтали о звездах и покорении глубокого космоса. Но куда ближе и осуществимее другой фантастический сценарий – использование технологий ИИ практически во всех сферах деятельности человека.

Хорошо это или плохо – рассуждения в философской плоскости. Это уже есть и развивается бурными темпами. Сейчас еще можно успеть вскочить на набирающий обороты поезд и оседлать волну. Из нашего материала вы узнаете, что такое искусственный интеллект, где он применяется, где можно познакомиться с профессиями, связанными с этими технологиями.

Возможности искусственного интеллекта

Не секрет, что в современном мире множество задач выполняется с помощью автоматизированных машин. Ученые не останавливаются и продолжают работать в этом направлении, чтобы улучшить нашу жизнь. Все чаще люди, которые не связаны напрямую с наукой, слышат об искусственном интеллекте и о нейронных сетях.

Всё потому, что технологии машинного обучения начинают занимать серьезное место в повседневной жизни. Требуется разобраться в терминологии, в самом процессе новых технологий и решить, как выстроить будущее на взаимодействии с ними.

Конечно, возможности новых технологий искусственного интеллекта несколько ограничены. Как и человек, ИИ имеет свойство ошибаться, однако, за последнее время данная технология продвинулась в своем развитии на достаточно высокий уровень, а всё благодаря обучению на крупных и разнообразных выборках данных.

Возможности искусственного интеллекта

Искусственный интеллект мог бы помочь специалистам с работой над теми задачами, которые не совсем простые в плане понимания, осмысления и имеют зависимость от достаточно большого количества изменчивых факторов. Понять их алгоритм машине будет проще, если создать для этого все условия.

Ученые и исследователи возлагают большие планы на машинное обучение, велико желание сделать так, чтобы от человека не требовалось постоянно описывать какие-то конкретные алгоритмы.

В активной разработке подход — «черный ящик», когда человеку не требуется тратить уйму времени на программирование алгоритмов, на написание кода, а машина сама разберется со сложным программным кодом. Грамотные «тренировочные» данные для систем помогут машинам «программировать», выполняя задачу разработчиков.

Сферы использования технологий искусственного интеллекта

IBM Watson (суперкомпьютер на основе ИИ) стал популярен в 2011 году благодаря победе на «Jeopardy». Использующийся в IBM Watson алгоритм машинного обучения стал невероятно популярен, хотя сейчас он уже несколько видоизменен и используется в новом виде в качестве шаблона для разных коммерческих программ.

ИИ затрагивает практически все отрасли жизнедеятельности:

• ИИ в медицине и здравоохранении – речь идет об аппаратах УЗИ, о рентгене и о прочем медицинском оборудовании. Благодаря точной работе ИИ у пациента находят проблемы со здоровьем, а обнаружив таковые – могут подобрать оптимальное лечение. Сюда же можно отнести приложения, помогающие вести ЗОЖ: следить за пульсом, давлением, температурой, даже определять уровень кислорода в крови.
• ИИ в онлайн-магазинах – речь идет о той самой рекламе, которая постоянно возвращает нас к тем товарам, характеристики которых мы недавно изучали. На поисковиках предлагаются вещи, к которым проявили интерес пользователи. Машиной изучаются покупательские пристрастия человека, а потом предлагаются релевантные (по их мнению) товары.
• ИИ в политике – речь идет о работе в области сбора и анализа собранных данных. Вспомним, что Барак Обама стал второй раз президентом, поскольку его специалисты использовали ИИ при расчете наилучшего дня, штата и аудитории для публичного выступления Обамы. По оценкам, это обеспечило преимущество в 10-12 процентов.
• ИИ в промышленности – речь идет о возможностях ИИ собирать и анализировать данные с разных участков производства и, тем самым, грамотно распределять нагрузку на оборудование.
• ИИ в образовании и игровой индустрии – речь идет о создании игр, а также об активном продвижении ИИ в образовательных программах развитых стран.

Основные виды и технологии искусственного интеллекта

В настоящее время принято говорить о 4-х основных видах искусственного интеллекта:

• О реактивных машинах — систем ИИ, которые решают только лишь конкретные задачи, не способны на запоминание прежнего опыта с дальнейшим его применением.
• Об ограниченной памяти – системы ИИ с памятью, основанной на прошлом опыте, хотя и опыт тот не подлежит сохранению и накапливанию.
• О теории разума – системы ИИ, которая способна «прочесть» эмоции и планы человека, а также пригодна для командной работы, поскольку имеет социальный интеллект.
• О самосознании — системы ИИ, которая имеет некое представление о себе, что позволяет с большой точностью имитировать человеческий интеллект.

Далее, скажем о технологиях, которые в большинстве своем используются при создании искусственного интеллекта:

• Технология машинного обучения – компьютер способен на обработку данных и принятие решений, вне зависимости от строго обозначенных схем. Он может обнаружить закономерности, точные ответы и грамотные прогнозы в заданиях с обширными параметрами, на что не способен человек.
• Технология глубокого обучения – позволит найти закономерности в огромных массивах информации (Big Data). Обработкой данных в технологии глубокого обучения занимаются искусственные нейронные сети (ИНС), которые созданы по подобию биологических нейронных сетей, а также они моделируют и обрабатывают входные и выходные сигналы.
• Технологии обработки и генерации естественного языка – то, что позволяет преобразовать данные в естественный язык, который расшифровывает компьютер, а потом выдает человеку в том же понятном ключе.

Скачивайте и используйте уже сегодня:

Топ-30 самых востребованных и высокооплачиваемых профессий 2023

Поможет разобраться в актуальной ситуации на рынке труда

Подборка 50+ ресурсов об IT-сфере

Только лучшие телеграм-каналы, каналы Youtube, подкасты, форумы и многое другое для того, чтобы узнавать новое про IT

ТОП 50+ сервисов и приложений от Geekbrains

Безопасные и надежные программы для работы в наши дни

Принцип работы искусственных нейронных сетей

Математические модели, которые создавались аналогично биологическим нейронным сетям, называют Искусственные Нейронные Сети. С помощью обучающего алгоритма, который считывает наблюдаемые данные, достигается адаптивное взвешивание сигналов между искусственными нейронами.

В трехслойной модели это выглядит следующим образом – первым слоем заложен ввод, дальше слой скрыт, а в финале имеется слой вывода. В каждом слое – не менее одного нейрона.

Принцип работы искусственных нейронных сетей

Конечно, если слоев будет больше, то и потенциал решения задач ИНС возрастет, но бывает, что модель становится «большой» для заданной задачи, оптимизация до необходимого уровня в данной ситуации невозможна, это есть — переобучение (overfitting).

Основа, составляющая построения ИНС – архитектура, настройка, выбор алгоритма обработки данных. Все эти компоненты определяют производительность и эффективность работы модели.

Теперь поговорим о функции активации, которая используется для преобразования взвешенных входных данных нейрона в его выходные данные.

Глубокое машинное обучение

Глубокое машинное обучение –нейронные сети и используемые в них алгоритмы принимают полезную для извлечения информацию путем обработки, с помощью прохода через слои нейросети, для обнаружения требуемых выходных данных.

По сути, этим занимается программист, но модель глубокого машинного обучения хороша тем, что сама найдет способ извлечения полезной информации из входных данных, сокращая требования к вычислительной мощности, памяти и энергии для поддержки работы модели после завершения обучения.

Алгоритмы «натаскивают» программу на задачу с помощью необходимых данных.

Теневое обучение (shadow learning) — одна из форм глубокого обучения, упрощенная за счет того, что поиск ключевых особенностей данных следует после их обработки специалистом и внесением в систему специфических для сферы, к которой относятся эти данные, сведений.

Основные разработчики технологий искусственного интеллекта

• Google

Конечно, этот технологический титан активно занимается разработкой ИИ. Специалисты Google создают наработки, а потом их же и тестируют в продуктах, получая прибыль. Самые очевидные ИИ-проекты заключены в сфере онлайн-продаж. Есть и множество других, которые связаны с обучением распознавания человеческой речи, с переводом с иностранных языков, с шаблонными разговорами в различных автоматически настроенных программах.

• OpenCog

Компания придерживается принципа работы сообща, а потому предоставила каждому желающему имеющиеся кусочки компьютерного кода, с помощью которого можно создать полноценный искусственный разум.

• Китайский институт искусственного мозга

Очень полезные наработки созданы в Поднебесной. Их занятие – нейросети, которые могут распознать сообщение человека или создание искусственного интеллекта, который может мгновенно передать в службу помощи тревожное сообщение о ком-либо. Одна из самых серьезных работ китайских ученых — система социального доверия.

• Microsoft

Microsoft имеет искусственный интеллект Azurе, который понимает речь человека, дает прогнозы, и имитирует прочие возможности человеческого интеллекта. Еще одна фишка — AI, способный распознать любую ошибку в коде. Это ведет к логичному исходу — вскоре ИИ обучат самостоятельно создавать программы.

• Российские игроки

ИИ в России не функционирует на должном уровне, но существуют компании, продвигающие решения на основе искусственного интеллекта в собственных бизнес-моделях: «Сбербанк» и Mail.ru Group, «Яндекс» и «Лаборатория Касперского». Увы, этого недостаточно, о чем говорит и малое количество наших соотечественников на ведущих международных конференциях.

Примеры использования технологий искусственного интеллекта

• ИИ может распознавать лица

Всеми любимый и популярный — iPhone 12 – в нем распознается лицо благодаря нейросетям (вариации системы ИИ). Они выполняют примерно 60 млрд операций\сек., анализируя практически 40 тыс. ключевых точек на лице для опознавания хозяина гаджета. И даже маскировка в виде очков не станет преградой, так как анализируется область от виска до виска и от каждого виска до точки под нижней губой.

• ИИ экономит энергию

Опять поставим в пример iPhone 12, который отслеживает активность приложений на смартфоне и датчик движений, чтобы узнать распорядок дня владельца, а после получения информации поступит предложение обновиться в самое удобное для человека время.

• ИИ способен на создание картин

Система исследователей из Нью-Джерси в совместном проекте с лабораторией AI в Лос-Анджелесе продемонстрировала миру уникальный художественный стиль, а Microsoft способен распознать по речи человека, что он хотел бы нарисовать, и воспроизвести это на экране.

Вот, к примеру, «желтая птица с черными крыльями и коротким клювом»:

ИИ способен на создание картин

Известный практически всем пример – приложение Prisma, способная на создание картин из фото.

• ИИ способен на написание музыки

ИИ Amper сочинил, продюсировал и исполнил музыку для альбома «I AM AI» (англ. я — искусственный интеллект) совместно с певицей Тэрин Саузерн в 2018-ом году.

Amper появился под чутким руководством настоящих профессионалов и музыкальных талантов, он создавался для продвижения творческого процесса. Его уникальная способность – создание музыки за считанные секунды.

Amper самостоятельно подобрал аккордовые структуры и инструментал в треке «Break Free», а специалистам лишь оставалось поправить общие ритм и стиль.

• ИИ способен создавать тексты.

Увы, скоро и писательский труд может быть забыт, ведь ИИ способен написать книгу. Система Dewey была заполнена книгами библиотеки проекта «Гутенберг», научными текстами из Google Scholar, а также ей предоставили важные критерии, какой должны быть книга.

Dewey практически справился с задачей, книга была создана, сюжет был о паре, не имеющей возможностей быть вместе. Проблемы заключались в странных именах героев и еще в некоторых деталях. Но ведь это лишь начальные ступени к вершине технологий.

• ИИ способен на игры в шахматы

ИИ Deep Blue в первом матче проиграл Гарри Каспарову со счётом 2-4, а во втором – выиграл с результатом 3.5- 2.5.

А новая система AlphaZero до турнира обладала знаниями о том, как ходят фигуры и какая цель у игры, при этом спустя 4 часа она уже одержала победу над лучшей программой по игре в шахматы, над Stockfish 8.

AlphaZero имела возможность обработки до 800 тысяч позиций\в сек., если перевести это в более понятную людям плоскость, то это сравнимо с игрой в шахматы общей сложностью в 1400 лет. Это была абсолютная победа среди компьютеров по шахматам.

На этом AlphaZero не остановилась, и уже вскоре одержала победу над программой ELMO, которая раньше считалась неоспоримым чемпионом по игре в сёги (стратегическую настольную игру из Японии).

• ИИ в медицине

Данная отрасль не стала исключением, и вот не так давно в Китае произошел уникальный случай – интеллектуальный робот Xiaoyi сдал все экзамены и стал квалифицированным медицинским специалистом, с лицензией и разрешением на практику.

Разработка компании iFlytek тоже уникальна, потому как способна на анализ всей информации о пациенте, выполняя роль врача-ассистента, для повышения качества работы настоящих врачей. Разработку планируют внедрить в качестве врачей общей практики в отдаленных деревнях Китая, где такая служба остро необходима людям.

Ещё один стоящий проект – Wave Clinical Platform от ExcelMedical. Система, которая может следить за показателями пациента и способна за 6 часов определить возможную смерть человека. Платформа анализирует информацию в системе и просчитывает риски смертельного исхода. Во время тестов проект уже показал себя, спас от смерти несколько пациентов. Человеку такое точное прогнозирование не под силу.

IBM может помочь специалистам предсказать развитие психоза лишь по речи пациента. ИИ отличает речевые паттерны больных людей от здоровых только лишь на основе рассказа пациента о себе. Во время рассказа речь может стать скупой, темы слишком быстро меняться – это явные признаки психоза.

После улучшения системы пациентам предложили пересказать ей историю, которую только что прочли. На этих примерах ИИ в 83% случаев ставил верный диагноз, что превосходит результаты даже врачей с серьезным опытом работы.

• ИИ и имитация человека

Человеческая мимика поддалась ИИ, теперь они умеют ее имитировать. Facebook* AI lab имеет робота, который был обучен с помощью звонков в Скайп. Он изучил 68 точек на лице человека, понял, как кивают, моргают и прочее. Теперь он может давать реакцию на информацию, которую он получит от человека, будь она словесной или передана без слов, с помощью мимики.

ИИ и имитация человека

Moral Machine, созданная американскими учеными из Массачусетского технологического института, пошла еще глубже – система имеет мораль.

Обучение происходило таким образом: на сайте людям нужно было принять решение в какой-то критической ситуации, к примеру, быть машинистом, который выберет один путь и собьет несколько людей на железной дороге, или выберет другой, что повлечет к смерти людей в составе. Moral Machine обучили принимать сложные решения, нарушающие закон робототехники, говорящий, что робот не может принести вред человеку.

Чем закончится такое обучение машин – не ясно. Некоторые думают, что скоро ИИ станет полноправным членом общества, ведь уже сейчас робот София гонконгской компании имеет гражданство в Саудовской Аравии, а некоторые женщины – не имеют!

• ИИ в биржевой торговле

Немецкие ученые разработали алгоритмы, которые используют данные рынков из архивов для тиражирования инвестиций в реальном времени. Такая разработка позволила обеспечить 73% возврата инвестиций ежегодно с 1992 по 2015 год, что можно сопоставить с реальной рыночной доходностью на уровне в 9% в год. А в 2000 и 2008 годах и вовсе поставила рекорд — 545% и 681% соответственно.

В 2004 году Goldman Sachs запустил торговую платформу Kensho на базе искусственного интеллекта. На криптовалютных рынках также появляются системы на базе ИИ для торговли на биржах – Mirocana и т.д. Они превосходят трейдеров, поскольку не зависят от эмоций, их опора – четкий анализ и строгие правила.

Проблемы развития технологий ИИ

Конечно, нельзя сказать, что возможности ИИ абсолютно не имеют границ. Ведь имеются некоторые сложности:

• Машины способны обучаться только на массиве данных, что говорит о неправильном итоговом результате при малейших неточностях.
• Существует ограничение каким-то конкретным видом деятельности, оно и понятно, система, которая распознает лица в смартфоне не будет пригодна для выявления махинаций в сфере банковского обслуживания.
• Автономных интеллектуальных машин – нет. Нужны огромные ресурсы и достаточное количество профессионалов своего дела, чтобы машина работала, как нужно.

Курсы от GeekBrains по изучению искусственного интеллекта для детей

Данные курсы понравятся тем, кто увлечен технологиями:

• Заинтересованы работой ИИ.
• Интересуются машинным обучением и нейронными сетями.
• Имеют начальный уровень программирования, хотят двигаться дальше, а также проявляют интерес к языку Python.

Всего за три месяца у детей получится освоить навык работы с математическими операциями, они научатся датасеты и создавать алгоритмы машинного обучения. Также, им будет предоставлена возможность запустить предобученную нейронную сеть, чтобы распознавать верные и ложные данные.

Курсы от GeekBrains по изучению искусственного интеллекта для детей

Есть три веские причины, по которым необходимо пройти курс по искусственному интеллекту:

• Открывающиеся карьерные перспективы – ребята попробуют познакомиться с профессией дата-сайентиста — специалиста по работе с данными, они хорошо подкованы в вопросах ИИ и машинном обучении, имеют хорошую финансовую перспективу.
• Это будет прекрасная подготовка к конкурсам или олимпиадам по программированию — ребята углубят знания по программированию, линейной алгебре и математическому анализу. Это поможет победить в соревнованиях и поступить на бюджетную основу в престижные технические вузы: МГУ, МГТУ им Н. Э. Баумана, МФТИ, ВШЭ.
• Вашему ребенку понравится это увлекательное обучение, ведь дети смогут почувствовать себя в роли исследователя, классифицируя привычки людей и прогнозируя поведение. В результате чего у них получится создать несколько нейронных сетей.

Как будет проходить учёба?

Будут проводиться вебинары (1 раз в неделю по 90 минут). Проводятся они во внеурочное время, после школы вечером или по выходным дням. Дети изучают новую тему, спрашивают, если что-то не понятно, а потом могут и пересмотреть урок, ведь видеозапись будет им всегда доступна.

После завершения вебинара будет открыт доступ к практическим заданиям, которые очень важно выполнять в срок, чтобы учитель смог проверить и прислать ответное письмо с обратной связью и полным разбором выполненного домашнего задания.

Бесплатный курс по технологиям искусственного интеллекта от GeekBrains для новичков

Бесплатные занятия понравятся всем, кому интересна сфера машинного обучения, кто хотел бы дальше развиваться в этом направлении и больше узнать про ИИ. Ведь он, на самом деле, необычайно многообразен и необычные задачи смогут открыться каждому.

На занятиях вы сможете узнать, как начать свою работу в ИИ, устройство проектов данной сферы, и то, какие задачи решают разные направления машинного обучения. Вам будет доступен разбор практических кейсов под руководством настоящих экспертов.

Спикер: Юлия Пономарёва, Machine Learning Engineer в компании Napoleon IT. Она работает в отделе компьютерного зрения, её последний проект — разработка системы распознавания текста прайс-листов. Юлия является выпускницей Высшей школы электроники и компьютерных наук ЮУрГУ.

На занятиях будут раскрыты эти темы:

• Профессии в машинном обучении.
• Области искусственного интеллекта и их различия.
• Классический Machine Learning: классификация, регрессия, рекомендательные системы.
• Обработка естественного языка (NLP): классификация, генерация, вопросно-ответные системы, суммаризация, машинный перевод.
• Компьютерное зрение (CV): классификация, детекция, сегментация, OCR, трекинг, генерация.

В настоящее время происходит подъем технологий искусственного интеллекта, каждому дан шанс создать что-то невероятное и интригующее, полезное и серьезное, при этом не требуются какие-то сверхсекретные технологии и недоступная аппаратура. Требуется мало: современная видеокарта и неугасаемый энтузиазм со жгучим желанием творить.

Возможно, что именно вы совершите прорыв в этой сфере и оставите о себе память в истории современных технологий искусственного интеллекта.

*Facebook — организация, деятельность которой признана экстремистской на территории Российской Федерации.

Искусственный интеллект (ИИ) / Artificial intelligence (AI)

Когда телефон обыгрывает тебя в шахматы это значит, что искусственный интеллект захватит мир? Что такое искусственный интеллект, какие виды ИИ бывают? Какие последние достижения в этой сфере? Стоит ли нам бояться или надеяться на ИИ? Об этом пойдет речь в этой статье.

Проблема с определениями

Почему сложно дать точное определено искусственному интеллекту?Короткий ответ: Потому что сложно дать определение интеллекту.

Подробнее: Чтобы приблизиться к определению ИИ я попробую дать несколько дополнительных определений.

Слабый ИИ (Weak AI) / Narrow AI
Обучающаяся система способная решать специализированные, сложные задачи также или лучше, чем человек.

Сильный ИИ (Strong AI) / Artificial general intelligence (AGI) / Full AI
Обучающаяся система обладающая сознанием, умеющая решать различные сложные задачи также или лучше, чем человек.

Если вам интересно больше узнать о проблемах определения искусственного интеллекта, почитайте про Тест Тьюринга, Китайскую комнату и просто Википедию, там очень много полезной информации.

Хронология

1842 — Программируемая механическая машина для калькуляции.
1941 — Первый электронный компьютер.
1949 — Придуман тест Тьюринга.
1957 — Программа решения общих проблем General Problem Solver.
1961 — Промышленный робот Unimate функционирует на General Electronics.
1964 — Чатбот ELIZA притворяется искусственным интеллектом.
1966 — Shakey. Робот, который может анализировать пространство и перемещаться в нем. Шеки получает команды от человека и отвечает с помощью напечатанного текста или текста и схем на мониторе.
1980 — Экспертные системы дающие бизнес пользу. Программы для решения сложных задач на основе большого объема данных, становятся коммерчески применимыми и успешными.
1997 — Deep Blue обыгрывает в шахматы мирового чемпиона Гарри Каспарова.
2011 — Суперкомпьютер Watson от IBM побеждает конкурсе эрудитов Jeopardy и зарабатывает миллион долларов на благотворительность.
2014 — Программа проходит тест Тьюринга заставляя подумать 33% людей, что с ними общается 13-ти летний мальчик из Украины.
2016 — Искусственный интеллект AlphaGO от Google побеждает мирового чемпиона в игру Go, используя интуицию.

Несколько популярных примеров применения ИИ

Беспилотные автомобили / Умные машины / Self-driving cars / Smart Cars

Тесла проделает весь путь от парковки в Калифорнии до парковки в Нью Йорке, без прикосновения человека к управлению, до конца 2017-го года.
Elon Musk (21 мая 2017 г.)

Тем временем, Google тестирует автомобили, которые могут самообучаться вождению, как это делает человек. Благодаря наблюдению за дорогой и окружением, машина делает выводы и принимает решения как человек. Первый этап обучения такого автомобиля происходит в компьютерной игре, где симулировать различные ситуации на дороге значительно легче.

Компьютерные игры / Video Games

Одно из применений ИИ, с которым знакомы многие, это компьютерные игры. Чтобы игроку было интереснее, с ним взаимодействуют персонажи не контролируемые игроком / non-player characters (NPC).

Благодаря широкому применению в играх и растущему объему этого рынка, этот тип искусственного интеллекта постоянно развивается.

Виртуальные персональные ассистенты / Virtual Personal Assistants

Siri, Google Now и Cortana — это наиболее известные ассистенты , которыми можно воспользоваться на iPhone, Android и Windows, соответственно. Они помогают быстрее находить информацию, планировать, делать заметки и многое другое.

Вот некоторые другие сферы, в которых используется ИИ:
Распознавание мошенничества / Fraud Detection,
Онлайн поддержка для покупателя / Online Customer Support,
Написание новостей / News Generation,
Наблюдение за безопасностью / Security Surveillance,
Сервисы рекомендации музыки и кино / Music and Movie Recommendation Services,
Системы умного дома / Smart Home Devices.

Главные игроки

Google, Facebook, Amazon, Microsoft, Alibaba, Apple

Интересно, что Google предоставляет возможности машинного обучения как услуги и вы можете воспользоваться мощностями Google для этого. Детальнее тут https://www.tensorflow.org/.

Самым популярным претендентом на Сильный ИИ является Google Deepmind. Именно на основе Deepmind был разработан AlphaGo — слабым ИИ (narrow AI), который победил человека в игру Go. Это событие интересно тем, что интеллект полагался не столько на расчет всех возможных вариантов событий в игре, сколько на интуицию, что делают эту победу историческим событием и следующим шагом после побед ИИ над человеком в других играх.

В июле 2017 Deepmind опубликовала видео где виртуальные персонажи демонстрируют свои способности ходить. Интересно то, что этим трехмерным персонажам никогда не давали информацию о том, как ходит человек или другие живые существа. Их способ передвижения полностью получен путем обучения искусственного интеллекта с помощью проб и ошибок.

Опасность для человечества?

Илон Маск

Искусственный интеллект представляет фундаментальную угрозу существованию цивилизации.

Искусственный интеллект — это редкий случай, когда нам нужно быть проактивными в регулировании ИИ, и не полагаться на нашу реакцию. Если мы будем только реагировать в вопросе регулирования ИИ, будет слишком поздно.

Марк Цукерберг

Когда я слышу критиков, которые поднимают шумиху о сценарии с концом света, я просто не понимаю этого. Это очень плохо и в некоторой степени, можно сказать, что они поступают безответственно.

Когда я слышу, что искусственный интеллект навредит человеку в будущем, я думаю “ну да, знаете ли, технологии в целом всегда могут быть использованы для блага или для зла, и нужно быть осторожными в том как ты создаешь их и как они могут быть использованы.

Илон Маск

Я говорил с Марком об ИИ. Его понимание этого вопроса несколько ограниченно.

Билл Гейтс

Я отношу себя к лагерю тех, кто волнуется о идее супер интеллекта. Сначала машины будут выполнять много работ за нас и не будут очень умными. Это должно быть позитивным периодом, если мы все сделаем правильно.

Спустя несколько десятилетий, мысль о том, что ИИ уже силен, может стать серьезным опасением. Я согласен с Илоном Маском и некоторыми другими в этом и не понимаю, почему некоторые люди не встревожены.

Стивен Хокинг

Я понимаю, что нету принципиальной разницы между тем чего может достичь биологический мозг и тем чего может достичь компьютер. Следовательно компьютер может, теоретически, эмулировать человеческого интеллекту и превзойти его.

Настораживающие новости

В июне 2017 года Facebook экспериментировал с чатботами, которые общаются друг с другом о наличии виртуальных предметов (мячей, книг и шапок). Анализируя историю этих переписок у некоторых экспертов сложилось впечатление о том, что ИИ начал использовать другой язык, нежели английский. Опасение только усилилось тем, что никто не может понять о чем общались чатботы. Вот отрывок переписки чатботов Alice и Bob (A и B).

Опасения усилились после того как эксперимент был приостановлен. Появились заголовки в духе “Марк Цукерберг остановил эксперимент в котором ИИ начал создавать тайных язык для общения с машинами”. Немного изучив этот вопрос, становиться ясным, что программу остановили, потому что она начала делать то, что не было интересно исследователям, а не из-за экспоненциального роста угрозы человечеству.

Facebook также свернул платформу для чатботов в Messenger, потому что 70% вопросов от человека не находили адекватного ответа бота на этой платформе.

Искусственный интеллект в культуре часто представлялся в виде угрозы. Терминатор, Я — робот, Космическая одиссея 2001, Матрица, Ex machina — вот некоторые фильмы представляющие ИИ как угрозу.

Надежда для человечества?

В 2016 году компания Enlitics провела эксперимент в котором люди и ИИ параллельно анализировали рентген снимки грудной клетки для диагностики заболеваний. ИИ не пропустил не одной патологии в то время как люди упустили 7% патологий. Эти цифры говорят о том, что ИИ может стать очень полезным ассистентом в медицине и не только.

Чем больше мы узнаем об искусственном интеллекте, тем больше вопросов у нас появляется. В дальнейшем я постараюсь заглянуть чуть глубже в эту тему и проанализировать, что же нужно, чтобы разрабатывать и обучать ИИ. Какая команда для этого нужна и какие инструменты мы можем использовать создания ИИ.

Отрасли и направления искусственного интеллекта: взгляд «с высоты птичьего полёта»

Как мы убедились раньше, искусственный интеллект является междисциплинарной отраслью науки и благодаря этому находит множество применений. Посмотрите на интеллект-карту ИИ по подходу:

Здесь наглядно показано, какие алгоритмы относятся к какому типу ИИ: символическому, субсимволическому и статистическому. Наверняка вы видите много новых терминов. Но обо всём по порядку.

1. Символьные методы — логические, основанные на высокоуровневом «символическом» (человекопонятном) представлении. Когнитивное моделирование, алгоритмы поиска на графах — это всё сюда. Мы подробнее остановимся на таких алгоритмах, как поиск в пространстве состояний (state-space search) и алгоритм А*. Символический ИИ преобладал в исследованиях ИИ с середины 1950-х до конца 1980-х годов. Джон Хогеланд дал название GOFAI («Старый добрый искусственный интеллект») символическому ИИ в своей книге 1985 года «Искусственный интеллект: сама идея», в которой рассматриваются философские последствия исследований искусственного интеллекта. Символический ИИ был предназначен для создания в машине общего интеллекта, тогда как большинство современных исследований направлено на конкретные подзадачи. Подход основан на предположении, что многие аспекты интеллекта могут быть достигнуты посредством манипулирования символами. Пример — экспертные системы. Экспертная система может заменить человека-эксперта, обрабатывая правила, чтобы делать выводы и определять, какая дополнительная информация ей нужна, то есть какие вопросы задавать, с использованием удобочитаемых символов.

К символическому ИИ также относят чат-боты, детерминированные игры с полной информацией (шашки, шахматы и т. д.).

2. Статистические методы в ИИ — это интеллектуальный анализ данных, теория информации, Байесовские методы принятия решений и скрытые модели Маркова.

Интеллектуальный анализ данных (Data Mining) – исследование и обнаружение алгоритмами, средствами искусственного интеллекта в сырых данных скрытых знаний, которые ранее не были известны, нетривиальны, практически полезны, доступны для интерпретации. Вот наглядный пример: предположим, вы хотите повысить лояльность своих клиентов. Для этого вам нужно провести качественную сегментацию, то есть не просто разделить своих клиентов на примитивные группы по полу и по возрасту, а использовать адекватные многомерные и желательно самообучающиеся алгоритмы сегментации. Например, это могут быть карты Кохонена, которые позволяют не только производить сегментацию объектов, но и выполнять визуализацию ее результатов. Посмотрите на эти карты — здесь клиенты разбиты на 4 сегмента (кластера) в зависимости от их предпочтений в продуктах питания, алкоголе и табаке и времени совершения покупок.

Термин «теория информации» введен в употребление в первой половине двадцатого века с подачи Клода Шеннона. Вам точно понадобится теория вероятности и матстатистика, чтобы разобраться в этой дисциплине. Это прикладная наука, изучающая закономерности, связанные с получением, хранением, обработкой и передачей информации. Теория информации используется для анализа процессов в биологии, психологии, компьютерной и телевизионной технике. Существуют энтропийный — вероятностный (шенноновский) и алгоритмический (колмогоровский) подходы к ТИ. Конечно, невозможно себе представить ИИ без теории информации.

Байесовские методы принятия решений используют теорию вероятностей для обработки неопределенности случайного характера и широко применяются в различных областях для анализа, прогноза и поддержки принятия решений. Мы вам расскажем о них на примере наивного байесовского классификатора — простого классификатора, который действует по формуле Байеса, наивно полагая, что наличие какого-либо признака в классе не связано с наличием какого-либо другого признака. Например, если я играю на балалайке, говорю по-русски и люблю Достоевского, то. нувыпонимаете. Каждый признак вносит свой независимый вклад в формирование стереотипа в принятии решения. Это очень удобный алгоритм, который, несмотря на свою «наивность», быстро работает на больших данных, часто лучше сложных алгоритмов классификации.

Скрытые модели Маркова. Конечно, как и другие алгоритмы, упомянутые в этой статье, они требуют более детального разговора. Сейчас мы просто создаём интуитивное понимание этих терминов, каждый из которых имеет формальное математическое определение. Теория скрытых марковских моделей не нова. Её основы опубликовал Баум и его коллеги в конце 60-х — начале 70-х годов. СММ может быть рассмотрена как простой пример байесовской сети доверия. Задачей при этом ставится разгадывание неизвестных параметров на основе наблюдаемых. Именно так врач ставит диагноз пациенту, наблюдая ряд симптомов заболевания. В ИИ СММ — это классический метод распознавания речи. Представьте, что у вас есть некое распределение фонем (звуков) на небольшом участке акустического сигнала — фрейме. Какая фонема была произнесена на этом фрейме? На этот вопрос сложно ответить однозначно — многие фонемы чрезвычайно похожи друг на друга. Но если нельзя дать однозначный ответ, то можно рассуждать в терминах «вероятностей»: для данного сигнала одни фонемы более вероятны, другие менее, третьи вообще можно исключить из рассмотрения. Собственно, акустическая модель — это функция, принимающая на вход небольшой участок акустического сигнала (фрейм) и выдающая распределение вероятностей различных фонем на этом фрейме. Таким образом, акустическая модель дает нам возможность по звуку восстановить, что было произнесено, — с той или иной степенью уверенности.

3. Субсимвольные методы в ИИ — если кратко, для них важны не столько сами элементы, сколько связи между ними.

В этой категории чаще всего интерес вызывают, конечно, нейронные сети. Нужно понимать, что искусственная нейронная сеть (ИНС) — это не что иное, как математическая модель, которая имитирует принципы работы биологических нейронных сетей. Помните наш исторический экскурс о первых нейросетях? Перцептро́н (англ. perceptron от лат. perceptio — восприятие) — математическая или компьютерная модель восприятия информации мозгом (кибернетическая модель мозга), предложенная Фрэнком Розенблаттом в 1957 году и впервые реализованная в виде электронной машины «Марк-1» в 1960 году. Перцептрон стал одной из первых моделей нейросетей, а «Марк-1» — первым в мире нейрокомпьютером. С точки зрения математики обучение нейронных сетей — это задача нелинейной оптимизации со множеством параметров. С точки зрения машинного обучения нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, кластеризации и т. д. ИНС состоит из искусственных нейронов, каждый из которых, как и живая нервная клетка, принимает сигнал, обрабатывает его и передает результат на другие. Существует несколько разновидностей нейронных сетей, пока достаточно будет упомянуть однослойные и многослойные — у первых сигналы от входного слоя сразу подаются на выходной слой, который преобразует сигнал и выдает ответ, а у вторых еще имеется один или несколько скрытых слоев. Уникальность нейронных сетей в том, что они не программируются в привычном смысле, а обучаются и способны обобщать информацию, делать верное заключение на данных, которых не было в обучающей выборке (training set), а также на данных, содержащих неточности, «шум» и т. д. Обучение нейронных сетей одним предложением — это поиск коэффициентов связей между нейронами.

Посмотрим еще раз на интеллект-карту. ИНС — это подмножество машинного обучения (machine learning), которое, в свою очередь, относится к мягким вычислениям (soft computing). К машинному обучению также относится метод опорных векторов (используется в задачах классификации — помню, как нам всем пришлось просить преподавателя объяснить ещё раз его математическую часть). Давайте разбираться по порядку, что есть что, пока глядя лишь с высоты «птичьего полёта».

Итак, машинное обучение — это метод искусственного интеллекта, который наделяет систему способностью автоматически обучаться на собственном «опыте», не будучи напрямую запрограммированной на все возможные решения проблемы. Процесс обучения заключается в поиске в данных закономерностей (patterns) и принятии всё лучших и лучших решений на основе имеющейся информации. Как говорят у нас, людей, «на ошибках учатся». Можно сказать, что конечной целью машинного обучения является автономное обучение системы (без помощи человека) с дальнейшей адекватной корректировкой действий. Существует много алгоритмов машинного обучения, и мастерство программиста заключается уже не в том, чтобы их запрограммировать, а в том, чтобы творчески подобрать или даже придумать для них подходящее приложение, что превращает работу в невероятно волнующий и интересный процесс. Очень популярны сейчас алгоритмы глубокого обучения — это своего рода машинное обучение следующего поколения, когда глубокой нейросети уже вообще ничего не надо объяснять — она сама в состоянии обучаться на неструктурированных данных (технически за счет большего количества скрытых слоев).

Поднимаемся на уровень выше… машинное обучение относится к так называемым мягким вычислениям — это понятие (1994) за авторством Лотфи Заде объединяет в общий класс неточные, приближённые методы решения задач, зачастую не имеющие решения за полиномиальное время. Сюда относится также нечеткая логика, вероятностные методы, эволюционное моделирование (особенно интересны алгоритмы swarm intelligence — роевые алгоритмы, которые мы подсмотрели в живой природе — у муравьев и т. д.), генетические алгоритмы и теория хаоса. Все их в рамках данного цикла рассмотреть не представляется возможным, но о генетическом алгоритме расскажем обязательно.

Конечно же, рассказ об алгоритмах ИИ может стать основой для целой книги — но для первого знакомства вы уже очень много знаете! Надеемся, что теперь вы приобрели структурированное представление о том, что же изучает ИИ и какие основные направления исследований сейчас актуальны — какое вам показалось особенно интересным?

Искусственный интеллект (ИИ)

Искусственный интеллект это отрасль компьютерной науки, которая сосредоточена на способности машины вырабатывать рациональное поведение на основе внешних входных данных.

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект (ИИ) — это широкая отрасль компьютерной науки, изучающая способность машины к рациональному поведению на основе внешних данных. Целью ИИ является создание систем, способных выполнять задачи, для которых в противном случае потребовался бы человеческий интеллект. ИИ проявляется в повседневной жизни в виртуальных помощниках, технологии поискового прогнозирования и даже в службах доставки.

Резюме

• Искусственный интеллект (ИИ) направлен на разработку машин, способных выполнять то, что может человек в плане рассуждений.
• Четыре типа искусственного интеллекта — это реактивные машины, ограниченная память, теория разума и самосознание.
• В настоящее время искусственный интеллект оказывает значительное влияние на производительность, занятость и конкурентное поведение.

Виды искусственного интеллекта

1. Реактивные машины

Реактивные машины воспринимают текущую внешнюю информацию и планируют соответствующие действия. Машины выполняют специализированные обязанности и понимают только текущую задачу. Поведение машин является последовательным, учитывая повторяющуюся ситуацию. В 1990-х годах компания IBM разработала реактивную машину под названием Deep Blue для игры в соревновательные шахматы, которая предсказывала шахматные ходы, определяя расположение каждой фигуры на доске.

2. Ограниченная память

Машины с ограниченной памятью могут использовать последние наблюдения для принятия обоснованных решений. Машины рассматривают данные наблюдений в соответствии со своей запрограммированной концептуальной схемой. Данные наблюдений сохраняются в течение ограниченного периода времени, а затем забываются.

3. Теория разума

Машины с теорией разума могут формировать мысли и принимать решения в зависимости от эмоционального контекста. Таким образом, они могут участвовать в социальном взаимодействии. Машины все еще находятся на стадии разработки, однако многие из них демонстрируют аспекты человекоподобных способностей. Например, можно рассмотреть приложения голосовых помощников, которые могут понимать основные речевые подсказки и команды, но не могут вести разговор.

4. Самосознание

Машины, обладающие самосознанием, демонстрируют разумное поведение посредством идей, формирования желаний и понимания своих внутренних состояний. В 1950 году Алан Тьюринг разработал тест Тьюринга для определения машин, которые могут вести себя неотличимо от человека.

Растущая актуальность искусственного интеллекта

Растущая популярность искусственного интеллекта в 21 веке во многом обусловлена достижениями в такой под-области, как машинное обучение. Машинное обучение разрабатывает системы, которые улучшают сами себя, что достигается путем определения алгоритмов. Некоторые процессы, которые оптимизирует машинное обучение, включают автоматизацию делопроизводства, судебную бухгалтерию и алгоритмическую торговлю.

Как достигается машинное обучение?

Самый простой способ понять, как машина становится умной с помощью ИИ, — сравнить это с тем, как человек учится. Например, рассмотрим ребенка, который учится ездить на велосипеде. Ребенок садится на велосипед, берется за руль и надеется удержаться в вертикальном положении и контролировать ситуацию. Ребенок учится ездить на велосипеде не путем понимания физики езды, а методом проб и ошибок.

Со временем ребенок начинает инстинктивно воспринимать факторы, из-за которых он может потерять контроль над велосипедом. Подобно тому, как ребенок учится неписаным правилам езды на велосипеде путем практики, искусственный интеллект развивается путем многократного моделирования.

1. Контролируемое обучение

Обучение под наблюдением — наиболее распространенный метод обучения в области искусственного интеллекта. Машина пытается вывести функцию, учитывая маркированные наборы пар входных и выходных данных. При работе с числовым набором данных используется регрессия. При работе с категориальными переменными предпочтительным методом является классификация. Если модель дает неверный ответ, ее можно скорректировать, чтобы получить более точные результаты.

2. Обучение без наблюдения

Неподконтрольное обучение предполагает преобразование машиной данных в полезную информацию. Общие методы включают кластеризацию и ассоциацию. Кластеризация объединяет похожие переменные, а ассоциация выявляет корреляцию между переменными. Добыча данных использует кластеризацию и ассоциации для фильтрации больших массивов данных. Процесс преобразования больших массивов данных в значимую информацию можно оптимизировать с помощью обучения без надзора.

3. Обучение с усилением

При обучении с подкреплением машина автономно реагирует на внешние стимулы и обуславливается с помощью периодических поощрений и наказаний. Цель метода обучения с подкреплением — создать машину, способную действовать рационально самостоятельно.

Крупный инвестиционный банк J.P Morgan в настоящее время использует алгоритмы обучения с подкреплением для размещения сделок. Это достигается за счет программирования, которое соответственно награждает или наказывает алгоритм в зависимости от принятого решения.

Будущее влияние искусственного интеллекта

Быстрый прогресс в области искусственного интеллекта окажет глубокое влияние на производительность, занятость и конкуренцию. Однако будущая интеграция искусственного интеллекта в общество является спорным вопросом.

Влияние на производительность

Повышение экономической производительности ведет к повышению удовлетворенности клиентов и росту прибыльности компаний. В авиационной отрасли ИИ будет способствовать повышению удовлетворенности клиентов благодаря точному расписанию и более безопасным полетам. Предприятия, использующие ИИ, могут улучшить свое ценностное предложение для клиентов и одновременно повысить рентабельность.

Например, авиакомпания Delta Airlines использует машинное обучение, чтобы обеспечить своим клиентам превосходный опыт полетов. Delta анализирует большие данные, чтобы узнать о положении самолетов, погодных условиях и диагностике воздушных судов. Затем определяются гипотетические исходы и их вероятности. Затем авиакомпания оптимизирует расписание полетов с учетом возможных исходов.

Влияние на занятость

Быстрое развитие сферы искусственного интеллекта приведет к появлению большего количества высокооплачиваемых рабочих мест, что, в свою очередь, потребует большего количества высокообразованных сотрудников. Наибольшая критика искусственного интеллекта заключается в том, что он автоматизирует низкоквалифицированные рабочие места и увеличит уровень безработицы среди менее образованных людей.

Кроме того, низкоквалифицированные работники, скорее всего, будут относиться к меньшинствам из-за систематической дискриминации. Поэтому утверждается, что искусственный интеллект может усилить систематическую дискриминационную практику.

Влияние на конкуренцию

Компании, пытающиеся добиться конкурентного преимущества, могут использовать ИИ для оптимизации своего бизнеса. В настоящее время ИИ внедряют в свой бизнес только новаторы и несколько компаний, взявших его на вооружение на ранних этапах. Как только экономическая выгода от интеграции ИИ перевесит затраты на НИОКР и интеграцию, все больше компаний начнут внедрять новую технологию.

Предположим, производитель игрушек решил использовать машинное обучение для дальнейшей оптимизации цепочки поставок. Производитель может воспользоваться снижением себестоимости проданных товаров и предложить игрушки по более низкой цене, чтобы захватить долю рынка. Это демонстрирует, как ИИ может усилить конкурентное поведение на рынке.

Дополнительные ресурсы:

Портал Finansistem поможет каждому стать финансовым аналитиком мирового класса. Для того чтобы помочь вам стать финансовым аналитиком мирового класса и продвинуться по карьерной лестнице в полной мере, эти дополнительные ресурсы будут очень полезны: