Искусственный интеллект

Искусственный интеллект
Содержание
Искусственный интеллект — это технология, благодаря которой компьютерные системы учатся выполнять интеллектуальные и творческие функции, свойственные человеку. Она применяется в различных областях: в интернет-торговле, в медицине, в науке, в финансовом секторе, на производстве.

Что такое искусственный интеллект

Что такое 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.

Каким бывает искусственный интеллект

Каким бывает искусственный интеллект
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.

Слабый ИИ (Weak, или Narrow AI)

Слабый ИИ (Weak, или Narrow AI)
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 (Superintelligence)

Суперинтеллект (Superintelligence)
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.

Машинное обучение: процесс и его особенности

Машинное обучение: процесс и его особенности
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: глубокое обучение для разных целей

Deep learning: глубокое обучение для разных целей
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.
Онлайн-курс
Научитесь внедрять AI и использовать Big Data, чтобы оптимизировать работу компании, повысить прибыль и всегда быть на шаг впереди конкурентов

Управление ИИ: зачем и для чего

Управление ИИ: зачем и для чего
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.
На курсе всего за 6 месяцев вы получите все необходимые теоретические и практические знания, а также деловые контакты, которые позволят вам внедрить искусственный интеллект и «большие данные» в вашу компанию. Курс стартует уже в ближайшие дни.
Похожие материалы
Подпишитесь на нашу рассылку, чтобы получать новые статьи и важную информацию первыми.
Пишем интересно о полезном!