Искусственный интеллект

Что такое ИИ (искусственный интеллект)? Это способность цифровых устройств выполнять следующие действия:

• обучение;
• принятие решений.

Характеристики ИИ — это те же характеристики, которыми обладает интеллект человека. Определение искусственного интеллекта во многом совпадает с определением принципов работы мозга.

В глобальном смысле наука об искусственном интеллекте находится на стыке нескольких направлений. В их числе — биология, математика, кибернетика, психология. Предмет изучения — технологии, при помощи которых человек получает возможность писать так называемые «интеллектуальные» системы и программы, а также обучать компьютер принципам самостоятельного решения тех или иных задач. В комплексе это дает ответ на вопрос, что такое ИЕ, что значит этот термин.

Ключевая задача, которую выполняет искусственный интеллект (AI) — понимание принципов устройства интеллекта человека и его моделирование.

Искусственный разум — это направление, у которого есть несколько категорий и разделов. В их числе — машинное обучение, наука о компьютерном зрении и даже робототехника и искусственный интеллект. Работа с искусственным интеллектом широко практикуется в самых разных сферах и направлениях.

Искусственный интеллект (artificial intelligence) делится на три направления:

• Narrow AI — слабый искусственный интеллект;
• General AI — сильный искусственный интеллект;
• Superintelligence — суперинтеллект.

У каждого типа ИИ свои прикладные сферы.

Под слабым искусственным интеллектом мы понимаем то, что человек уже создал. Этот вид ИИ обладает способностью и умением решать конкретную задачу, причем, в ряде случаев — гораздо более эффективно, чем если бы это делал человек.

Пример такой системы искусственного интеллекта — программа Deep Blue, которой проиграл в шахматы Гарри Каспаров.

Слабый ИИ применяется в следующих сферах:

• логистика;
• медицина;
• финансовые услуги.

Не менее широко используется искусственный интеллект в обучении, при решении бизнес-задач в разных сферах.

Один из наиболее успешных примеров внедрения слабого ИИ — разработка от Google, которая позволяет с высокой точностью диагностировать рак молочной железы — с этим не могут справиться даже опытные медики. Чтобы создать такую систему, изучили несколько сотен тысяч результатов скринингового анализа. Врачи, не могут диагностировать рак молочной железы в 20% случаев. Точность диагностики искусственного интеллекта почти на 9,4% выше.

Многие слышали о Waymo — автомобилях беспилотного типа. Это — тоже пример того, как работает искусственный интеллект. Благодаря использованию технологии машинного обучения автомобили могут ездить по дорогам, не представляя опасности для других участников движения. Waymo в действии впервые можно было увидеть в Японии, на Олимпийских играх в Токио в 2021 году.

Еще один пример использования искусственного интеллекта — Fraud Detector от Amazon. Эта система с высокой эффективностью борется с цифровым мошенничеством, жертвами которого ежегодно становятся сотни тысяч людей и предприятий, теряющие в совокупности несколько миллионов долларов. Искусственный интеллект в интернете отслеживает действия пользователей в режиме онлайн, оперативно выявляет их и направляет сообщения о заказах, которые могут быть подозрительными. Такой подход эффективен в интернет-магазинах, банковских сервисах, и его результат — увеличение прибыли и минимизация потерь.

Суперинтеллект пока еще остается мечтой или амбициозными планами — создать его к настоящему моменту не удалось. Более того, ученые и программисты признаются: у них еще нет даже представления о том, как его можно создать, в том числе, и в соответствии с этическими нормами, и возможно ли создать его в принципе.

Теоретически, сильный искусственный интеллект — это больше, чем «умные машины». Это полноценные компьютеры, не только равные по интеллекту человеку, но и превосходящие его.

Что вполне реально, так это сильный виртуальный интеллект. Увидеть его в действии можно в популярной компьютерной игре Detroit: Become Human. В структуре вселенной этой игры есть роботы, которые могут мыслить, учиться, принимать решения и даже чувствовать. За пределами мира компьютерных игр пример, подтверждающий успешное применение ИИ — знакомые всем чат-боты, с которыми пользователи могут общаться, но не забывая, что речь идет только об имитации общения. Алиса от «Яндекса», Siri — все это сильный компьютерный интеллект. Они не умеют думать и не могут принимать решения в тех ситуациях, которые им не знакомы.

Machine learning — что это? Это одно из направлений искусственного интеллекта как науки. В машинном обучении используются специальные алгоритмы для анализа, формирования выводов и прогнозов в отношении ситуаций и предметов. В этом случае не практикуется ручное кодирование команд — ведется обучение машины.

Что нужно для того, чтобы машинное обучение искусственного интеллекта было эффективным, и его результатом стала способность принимать решения, необходимы следующие условия:

• алгоритм — программа, направляющая компьютер, указывающая, какие действия предпринимать и где искать данные;
• данные в виде наборов — это своего рода тренажеры для машины. Формы, с которыми работает искусственный интеллект — текст, видео, изображения. Чем больше данных в виде примеров, тем более разнообразным будет опыт машины и, как следствие, тем шире будут ее возможности.
• признаки — ориентиры для машины, принимающей решения.

Так как способность к машинному обучению, это одна из составляющих искусственного интеллекта, можно предположить, что это сложный процесс, которым предусмотрено большое количество алгоритмов. Начальный уровень сложности — регрессия линейного типа. Она используется при наличии между переменными линейной зависимости. Простой пример, дающий представление, как используются машинное обучение и искусственный интеллект: расчет чаевых. Чем больше общая сумма заказа, тем выше сумма чаевых. То есть, есть данные, на основе которых можно спрогнозировать чаевые или их часть.

Более сложные алгоритмы — байесовские. Можно догадаться, что их база — это теория вероятности и теорема Байеса. ИИ и машинное обучение предполагают использование таких алгоритмов в рамках работы с текстами, в том числе, для фильтров спама. Программа получает доступ к данным в виде набора, предварительно поделенным на разделы — «Не спам» и «Спам». После этого начинает работать алгоритм, и машинный интеллект своими силами прогнозирует вероятность отношения к спаму тех или иных текстовых предложений.

Deep learning — что это? Это один из подразделов машинного обучения — глубокое обучение. В таких алгоритмах не предусмотрено участие учителя. Обучение искусственного интеллекта происходит на основе данных. Глубокое обучение предусматривает широкий спектр методов, и в их числе — ИНС (искусственные нейронные сети). Их работу можно сравнить с имитацией мозга человека и умственных процессов.

Нейронная сеть — это искусственный интеллект на основе комплекса единиц, которые связаны друг с другом, и нейронных связей. Единица — это нейрон, нейронная связь — синапс. Соединения используются для передачи сигнала, идущего между нейронами — все по тому же принципу, что и в случае с мозгом человека.

Скрытые слои должны выполнять конкретную функцию математического характера. Эта функция не задается со стороны человека — результат программа после обучения выводит сама. Нейросеть можно обучить классификации различных изображений либо поиску конкретного объекта на изображении. Пример — reCAPTCHA, которая дает пользователю задачу указать фрагменты с изображением человека или грузовой машины.

Искусственный интеллект и нейронные сети могут генерировать:

• изображения;
• текстовые фрагменты;
• музыку.

Программа, разработанная Botnik, написала целую книгу о Гарри Поттере — на основе уже выпущенных книг, написанных Джоан Роулинг. Насколько хорошей она получилась с точки зрения художественной ценности — вопрос дискуссионный, однако ее действительно можно читать, грамматически она написана правильно.

Нейронные сети могут получить применение в решении самых разных задач. Они используются в рамках диагностики онкологических заболеваний, при составлении прогноза продаж, в структуре машинного перевода, в системах распознавания лиц, при обработке музыкальных файлов, изображений.

Для качественного обучения нейросети требуются огромные массивы данных в виде наборов, причем, данные должны быть отобраны максимально тщательно. Пример — для того, чтобы можно было распознать сорта какого-либо овоща, потребуется обработка более полутора миллионов фотоизображений. Загрузить случайные картинки или скопированный из сети текст — по такому принципу это работать не будет. Необходима обязательная предварительная подготовка: стандартизация и установление формата, удаление изображений, которые не соответствуют тематике. Для создания нейронной сети необходимо:

• сформировать алгоритм и задать его;
• пропустить через алгоритм все имеющиеся данные;
• провести несколько сеансов тестирования.

Заключительным этапом будет оптимизация: в этом машинное обучение и глубокое похожи. Однако оптимизировать придется много раз.

Чтобы создать новую нейросеть, нужно задать алгоритм, прогнать через него все машинные данные, протестировать и неоднократно оптимизировать.

Понятие искусственный интеллект охватывает научное направление по созданию «умных» машин", способность машины к обучению и принятию решений. Машинное обучение, ИИ — понятия, которые не следует отождествлять: речь идет об одной из сфер искусственного интеллекта.

Не следует путать термин искусственный интеллект и с глубоким обучением — это метод машинного обучения, которым предполагается, что компьютер обучается сам, без руководства учителя, используя данные.

Погружение в мир искусственного интеллекта и его проектирования — по-настоящему захватывающий и интересный процесс. Более того, умение внедрять ИИ и применять Big Data — один из наиболее перспективных навыков. Специалисты узкого профиля, обладающие им, востребованы в самых крупных и известных компаниях, где необходимо оптимизировать процессы, увеличить прибыль и повысить конкурентоспособность.

Управление ИИ и Big Data — комплекс знаний, которые можно в полном объеме получить на курсе «BIG DATA для менеджеров». Он разработан специально для руководителей департаментов, направлений и владельцев компаний, и для обучения вовсе не обязательно быть экспертом в технической сфере. Результатом курса станет понимание технологий и умение применять все это на практике — для решения конкретных задач.