Искусственный интеллект (AI)

Искусственный интеллект позволяет компьютерам и машинам имитировать способности человеческого разума к восприятию, обучению, решению проблем и принятию решений.

Что такое искусственный интеллект?

В информатике термин искусственный интеллект (ИИ) относится к любому человекоподобному интеллекту, проявляемому компьютером, роботом или другой машиной. В популярном использовании искусственный интеллект относится к способности компьютера или машины имитировать возможности человеческого разума — учиться на примерах и опыте, распознавать объекты, понимать язык и реагировать на него, принимать решения, решать проблемы — и сочетать эти и другие способность выполнять функции, которые может выполнять человек, например приветствовать гостя отеля или управлять автомобилем.

После десятилетий отнесения к научной фантастике сегодня ИИ стал частью нашей повседневной жизни. Стремительный рост развития ИИ стал возможен благодаря внезапной доступности больших объемов данных и соответствующему развитию и широкой доступности компьютерных систем, которые могут обрабатывать все эти данные быстрее и точнее, чем люди. ИИ завершает наши слова, когда мы их набираем, предоставляя маршруты проезда, когда мы просим, пылесосит полы и рекомендует, что нам следует купить или посмотреть дальше. И это ведущие приложения, такие как анализ медицинских изображений, которые помогают квалифицированным специалистам выполнять важную работу быстрее и с большим успехом.

Каким бы распространенным ни был сегодня искусственный интеллект, понимание терминологии ИИ и ИИ может быть трудным, потому что многие из этих терминов используются как синонимы; и хотя в некоторых случаях они фактически взаимозаменяемы, в других — нет. В чем разница между искусственным интеллектом и машинным обучением? Между машинным обучением и глубоким обучением? Между распознаванием речи и обработкой естественного языка? Между слабым ИИ и сильным ИИ? Эта статья попытается помочь вам разобраться в этих и других терминах и понять основы работы ИИ.

Искусственный интеллект, машинное обучение и глубокое обучение

Самый простой способ понять взаимосвязь между искусственным интеллектом (ИИ), машинным обучением и глубоким обучением заключается в следующем:

Подумайте об искусственном интеллекте как об всей вселенной вычислительных технологий, которая демонстрирует что-то отдаленно напоминающее человеческий интеллект. Системы ИИ могут включать в себя все, что угодно, от экспертной системы — приложения для решения проблем, которое принимает решения на основе сложных правил или логики «если / то», до чего-то вроде эквивалента вымышленного персонажа Pixar Wall-E, компьютера, который развивает интеллект, бесплатно волю и эмоции человека.
Машинное обучение — это часть приложения искусственного интеллекта, которое учится само по себе. Он фактически перепрограммирует себя по мере того, как переваривает больше данных, для выполнения конкретной задачи, для выполнения которой он предназначен, со все большей точностью.
Глубокое обучение — это подмножество приложения машинного обучения, которое самообучается выполнять конкретную задачу со все большей точностью без вмешательства человека.

Давайте подробнее рассмотрим машинное обучение и глубокое обучение и их различия.

Машинное обучение

Приложения машинного обучения (также называемые моделями машинного обучения) основаны на нейронной сети, которая представляет собой сеть алгоритмических вычислений, которая пытается имитировать восприятие и мыслительный процесс человеческого мозга. По сути, нейронная сеть состоит из следующего:

Уровень ввода, на котором данные поступают в сеть.
По крайней мере, один скрытый уровень, на котором алгоритмы машинного обучения обрабатывают входные данные и применяют к ним веса, смещения и пороговые значения.
Выходной слой, на котором появляются различные заключения, в которых сеть имеет разную степень уверенности.

Модели машинного обучения, которые не являются моделями глубокого обучения, основаны на искусственных нейронных сетях с одним скрытым слоем. В эти модели передаются помеченные данные — данные, дополненные тегами, которые идентифицируют их особенности таким образом, чтобы помочь модели идентифицировать и понимать данные. Они способны к обучению с учителем (то есть к обучению, которое требует наблюдения человека), например к периодической корректировке алгоритмов в модели.

Глубокое обучение

Модели глубокого обучения основаны на глубоких нейронных сетях — нейронных сетях с несколькими скрытыми слоями, каждый из которых дополнительно уточняет выводы предыдущего слоя. Это перемещение вычислений через скрытые слои к выходному слою называется прямым распространением. Другой процесс, называемый обратным распространением, выявляет ошибки в расчетах, присваивает им веса и возвращает их на предыдущие уровни для уточнения или обучения модели.

В то время как некоторые модели глубокого обучения работают с помеченными данными, многие могут работать с немаркированными данными — и многими из них. Модели глубокого обучения также способны к обучению без учителя — обнаруживать особенности и закономерности в данных при минимальном контроле со стороны человека.

Простая иллюстрация разницы между глубоким обучением и другим машинным обучением — это разница между Apple Siri или Amazon Alexa (которые распознают ваши голосовые команды без обучения) и приложениями для преобразования голоса в набор десять лет назад, которые требовали от пользователей «обучения» »(И пометить данные), произнеся с системой множество слов перед использованием. Но модели глубокого обучения используются в гораздо более сложных приложениях, включая системы распознавания изображений, которые могут идентифицировать повседневные объекты быстрее и точнее, чем люди.

Типы искусственного интеллекта — слабый ИИ против сильного ИИ

Слабый ИИ — также называемый узким ИИ или искусственным узким интеллектом (ANI) — это ИИ, обученный и ориентированный на выполнение определенных задач. Слабый ИИ управляет большей частью ИИ, который нас окружает сегодня. «Узкий» — более точный дескриптор для этого ИИ, потому что он совсем не слабый; он позволяет использовать некоторые очень впечатляющие приложения, в том числе Siri от Apple и Alexa от Amazon, компьютер IBM Watson, который победил человеческих конкурентов в Jeopardy, и автомобили с автоматическим управлением.

Сильный ИИ, также называемый общим искусственным интеллектом (AGI), — это ИИ, более полно воспроизводящий автономность человеческого мозга — ИИ, который может решать многие типы или классы проблем и даже выбирать проблемы, которые он хочет решить, без вмешательства человека. Сильный искусственный интеллект все еще носит чисто теоретический характер, и сегодня он не имеет практических примеров. Но это не означает, что исследователи искусственного интеллекта также не изучают (осторожно) искусственный суперинтеллект (ИСИ), который превосходит человеческий интеллект или способности. Примером ASI может быть HAL, сверхчеловеческий (и в конечном итоге мошеннический) компьютерный помощник из «Космической одиссеи 2001 года».

Приложения искусственного интеллекта

Как отмечалось ранее, искусственный интеллект сегодня повсюду, но некоторые из них существуют дольше, чем вы думаете. Вот лишь несколько наиболее распространенных примеров:

Распознавание речи: также называемое преобразованием речи в текст (STT), распознавание речи — это технология искусственного интеллекта, которая распознает произносимые слова и преобразует их в оцифрованный текст. Распознавание речи — это функция, которая управляет компьютерным программным обеспечением для диктовки, голосовыми пультами телевизора, голосовыми текстовыми сообщениями и GPS, а также голосовыми меню ответа по телефону.

Обработка естественного языка (NLP): NLP позволяет программному приложению, компьютеру или машине понимать, интерпретировать и генерировать человеческий текст. NLP — это ИИ, стоящий за цифровыми помощниками (такими как вышеупомянутые Siri и Alexa), чат-ботами и другой виртуальной текстовой помощью. Некоторые НЛП используют анализ настроений для определения настроения, отношения или других субъективных качеств в языке.

Распознавание изображений (компьютерное зрение или машинное зрение): технология искусственного интеллекта, которая может идентифицировать и классифицировать объекты, людей, письмо и даже действия в неподвижных или движущихся изображениях. Обычно управляемое глубокими нейронными сетями, распознавание изображений используется для систем идентификации отпечатков пальцев, мобильных приложений для внесения чеков, анализа видео и медицинских изображений, беспилотных автомобилей и многого другого.

Рекомендации в режиме реального времени: розничные и развлекательные веб-сайты используют нейронные сети, чтобы рекомендовать дополнительные покупки или средства массовой информации, которые могут понравиться покупателю, исходя из прошлой активности клиента, прошлой активности других клиентов и множества других факторов, включая время дня и Погода. Исследования показали, что онлайн-рекомендации могут увеличить продажи от 5% до 30%.

Предотвращение вирусов и спама: Сегодняшнее программное обеспечение для обнаружения вирусов и спама, когда-то управляемое экспертными системами на основе правил, использует глубокие нейронные сети, которые могут научиться обнаруживать новые типы вирусов и спама так быстро, как киберпреступники могут их придумать.

Автоматизированная торговля акциями: разработанные для оптимизации портфелей акций, высокочастотные торговые платформы на базе искусственного интеллекта совершают тысячи или даже миллионы сделок в день без вмешательства человека.

Услуги совместного использования: Uber, Lyft и другие службы совместного использования пассажиров используют искусственный интеллект для сопоставления пассажиров с водителями, чтобы минимизировать время ожидания и объезды, обеспечить надежное расчетное время прибытия и даже устранить необходимость повышения цен в периоды высокой загруженности.

Бытовые роботы: пылесос Roomba iRobot использует искусственный интеллект для определения размера комнаты, определения препятствий и обхода препятствий, а также для определения наиболее эффективного маршрута уборки пола. Подобная технология используется в роботизированных газонокосилках и очистителях бассейнов.

Технология автопилота: эта технология используется на коммерческих и военных самолетах на протяжении десятилетий. Сегодня автопилот использует комбинацию датчиков, технологии GPS, распознавания изображений, технологий предотвращения столкновений, робототехники и обработки естественного языка, чтобы безопасно направлять самолет по небу и при необходимости обновлять информацию о пилотах-людях. В зависимости от того, кого вы спросите, современные коммерческие пилоты тратят всего три с половиной минуты, управляя полетом вручную.

История искусственного интеллекта: основные даты и названия

Идея «машины, которая думает» восходит к Древней Греции. Но с момента появления электронных вычислений (и относительно некоторых тем, обсуждаемых в этой статье) важные события и вехи в эволюции искусственного интеллекта включают следующее:

1950: Алан Тьюринг издает «Вычислительные машины и интеллект». В своей статье Тьюринг, известный тем, что взломал нацистский код ENIGMA во время Второй мировой войны, предлагает ответить на вопрос «могут ли машины думать?» и вводит тест Тьюринга, чтобы определить, может ли компьютер продемонстрировать тот же интеллект (или результаты того же интеллекта), что и человек. Значение теста Тьюринга обсуждается до сих пор.
1956: Джон Маккарти вводит термин «искусственный интеллект» на первой в истории конференции по ИИ в Дартмутском колледже. (Маккарти изобрел язык Лисп.) Позже в том же году Аллен Ньюэлл, Дж. К. Шоу и Герберт Саймон создали Logic Theorist, первую в истории программу для ИИ.
1967: Фрэнк Розенблатт создает Mark 1 Perceptron, первый компьютер, основанный на нейронной сети, которая «училась» методом проб и ошибок. Всего через год Марвин Мински и Сеймур Паперт издают книгу под названием «Персептроны», которая становится одновременно знаковой работой по нейронным сетям и, по крайней мере, на время, аргументом против будущих исследовательских проектов нейронных сетей.
1980-е: нейронные сети с обратным распространением — алгоритмы обучения сети — широко используются в приложениях искусственного интеллекта.
1997: IBM Deep Blue побеждает тогдашнего чемпиона мира по шахматам Гарри Каспарова в шахматном матче (и матче-реванше).
2011: IBM Watson побеждает чемпионов Кена Дженнингса и Брэда Раттера в Jeopardy!
2015: Суперкомпьютер Minwa от Baidu использует особый вид глубокой нейронной сети, называемой сверточной нейронной сетью, для идентификации и категоризации изображений с более высокой точностью, чем у обычного человека.
2016: Программа DeepMind AlphaGo, основанная на глубокой нейронной сети, побеждает Ли Содола, чемпиона мира по Го, в матче из пяти игр. Победа важна, учитывая огромное количество возможных ходов по ходу игры (более 14,5 триллионов всего за четыре хода!). Позже Google купил DeepMind за 400 миллионов долларов.

Искусственный интеллект и IBM Cloud

IBM является лидером в продвижении технологий на основе искусственного интеллекта для предприятий и является пионером в области систем машинного обучения будущего для различных отраслей. Основываясь на десятилетиях исследований в области искусственного интеллекта, многолетнем опыте работы с организациями любого размера, а также на опыте более чем 30 000 проектов IBM Watson, IBM разработала лестницу искусственного интеллекта для успешного развертывания искусственного интеллекта:

Сбор: упрощение сбора данных и доступность.
Анализируйте: создание масштабируемых и надежных систем на основе ИИ.
Интеграция: интеграция и оптимизация систем во всей бизнес-структуре.
Модернизация: перенос ваших приложений и систем искусственного интеллекта в облако.

Продукты и решения IBM Watson предоставляют предприятиям инструменты искусственного интеллекта, необходимые для преобразования их бизнес-систем и рабочих процессов, при этом значительно улучшая автоматизацию и эффективность. Для получения дополнительной информации о том, как IBM может помочь вам завершить ваше путешествие по ИИ, изучите портфель управляемых услуг и решений IBM.