Что такое искусственный интеллект?

Влияние искусственного интеллекта

Внедрение ИИ неразрывно связано с научно-техническим прогрессом, и сферы применения расширяются с каждым годом. Мы сталкиваемся с этим каждый день в жизни, когда крупная розничная сеть в интернете рекомендует нам какой-то товар или, только открыв компьютер, мы видим рекламу фильма, который как раз хотели посмотреть. Эти рекомендации основаны на алгоритмах, анализирующих то, что купил или смотрел потребитель. За этими алгоритмами стоит искусственный интеллект.

Риск для развития человеческой цивилизации — есть ли он?

Илон Маск считает, что развитие ИИ может угрожать человечеству и результаты могут оказаться страшнее, чем применение ядерного оружия. Стивен Хокинг, британский ученый, опасается, что люди могут создать искусственный интеллект, обладающий сверхразумом, который может нанести вред человеку.На экономику и бизнес

Проникновение технологии ИИ во все сферы экономики увеличит к 2030 году объем глобального рынка услуг и товаров на 15,7 трлн долларов. США и Китай пока лидеры с точки зрения всевозможных проектов в сфере ИИ. Развитые страны — Германия, Япония, Канада, Сингапур — также стремятся реализовать все возможности. Многие страны, экономика которых растет умеренными темпами, такие как Италия, Индия, Малайзия, развивают сильные стороны в конкретных областях применения ИИ.

Понятие об искусственном интеллекте

Хотя искусственный интеллект (ИИ) играет всё большую роль в информационных технологиях, пока не выработано четкого определения этого понятия. В зависимости от области применения этот термин может обозначать следующее:

• направление научных исследований по информационному моделированию интеллектуальных видов человеческой деятельности;
• способность компьютерных систем выполнять творческие функции;
• генерирование разумных суждений посредством компьютерной техники;
• способность искусственно созданных систем адекватно интерпретировать поступающие извне данные и использовать выработанные на их основе знания для решения задач, связанных с адаптацией к окружающей среде.

Этими определениями список далеко не исчерпывается. ИИ — динамично развивающаяся, дискуссионная отрасль, в которой понятийный аппарат еще не вполне устоялся. В самых общих чертах можно дать такое определение:

Определение 1

Искусственный интеллект — комплекс технологий по наделению компьютера разумом, подобным человеческому.

При разработке систем ИИ изучается и алгоритмизируется умственная деятельность человека. Целями ИИ можно считать:

• создание систем, способных обучаться и консультировать («слабый ИИ»);
• реализация искусственного разума, подобного человеческому («сильный ИИ»).

Рисунок 1. Гарри Каспаров за игрой в шахматы с программой Deep Blue. Автор24 — интернет-биржа студенческих работ

AI и робототехника: Различия в приспособляемости

Обычно роботы — это просто машины, сделанные из металла, датчиков, кабелей и нескольких электронных устройств. Поэтому они не обладают «шестым чувством», которым обладают люди, когда, например, к ним кто-то приближается. Сочетание AI и робототехники, машинного обучения и сенсорных технологий позволяет создавать ситуационно осведомленных роботов, которые могут «чувствовать» присутствие человека рядом. Такие роботы обладают обонянием, чувствуют пространственную близость и реагируют на раздражители. AI также полезен для того, чтобы сделать роботов почти такими же ловкими, как люди. AI также позволяет разработчикам робототехники создавать таких роботов, которые обладают способностью определять эмоции людей и вступать с ними в интерактивные, похожие на человеческие, разговоры.

Роботы существуют для того, чтобы брать на себя задачи, которые человек не должен выполнять. Как правило, роботы работают в рамках строгих правил, автоматизируя задачи и позволяя людям сосредоточиться на задачах, требующих интеллекта. Другими словами, стандартным роботам не нужно «учиться», принимать решения или анализировать данные в процессе проектирования, разработки, производства или выполнения задач, для которых они созданы. Соответственно, сферы применения роботов ограничены такими задачами, как уборка, перенос пакетов из одного места в другое, стрижка газонов и т.п.

AI, с другой стороны, направлен на максимальное очеловечивание технологий. Модели AI сегодня уже являются неотъемлемой частью CRM, «персональных помощников» и ERP-систем. Эти задачи очень сложны и требуют точной оценки данных и возможности принятия решений. Кроме того, решения необходимо принимать с учетом широкого спектра факторов и тысяч терабайт данных. Например, система управления закупками на основе AI будет оценивать такие факторы, как прошлые записи о закупках материалов, часы работы поставщиков, время, затрачиваемое на доставку материалов от каждого поставщика, комбинацию маршрутов и другие факторы. Модели, используемые в такой системе, постоянно «учатся» и совершенствуются с течением времени. Таким образом, процесс принятия решений и анализа данных улучшается так же, как человек улучшается с опытом.

По материалам Robotiq.com, Forbes, AlanTuring.net, Singularity Hub, Intellspot.

Что должны уметь умные машины?

Приверженцы развития ИИ верят, что машины превзойдут человека в способности мыслить, решать задачи и учиться. Первыми в этой области были специалисты, создавшие алгоритмы для взламывания кодов или решения головоломок. Со временем возникло впечатление, что машины можно научить размышлять — делать логические умозаключения. Многочисленные исследования в области психологии, показавшие, что люди часто ведут себя нелогично, иррационально и неэффективно, только вдохновили исследователей ИИ, они рвались доказать, что машины могут быть умнее людей. Недавние исследования убедительно демонстрируют, что машины могут использовать для принятия решений даже неполную, не относящуюся напрямую к делу или искаженную информацию.

Что такое искусственный интеллект?

Искусственный интеллект (сокращенно — ИИ) — размытое понятие, и общепринятого определения у него до сих пор нет. В середине XX века, когда на Дартмутском семинаре впервые прозвучал этот термин, авторы вкладывали в него значение, существенно отличающееся от современных. Тогда ученые полагали, что искусственный интеллект — это система, которая будет способна переводить тексты с одного языка на другой, распознавать объекты по фото или видео, улавливать смысл произнесенных фраз и адекватно на них отвечать. Нынешние ИИ умеют все это! Но можем ли мы считать, что цели достигнуты и искусственный интеллект уже создан?

Вряд ли. Ведь чем дальше мы продвигаемся по пути создания искусственного разума и чем более впечатляющих успехов достигаем, тем больше требований выдвигаем к ИИ. 

Некоторые ученые строят сложные теории на стыке философии и информатики, пытаясь определить, что же такое ИИ и каковы должны быть характеристики системы, чтобы считать ее разумной. Не вдаваясь в подробности, можно сказать, что интеллект определяется как способность к обучению, осознанию и применению знаний на практике. Следовательно, от искусственного интеллекта мы тоже вправе ожидать умения учиться, осознавать свои знания и использовать их. С первой и последней задачами современные ИИ вполне справляются!

Когда начались разработки ИИ?

Летом 1956 года в Дартмуте ученые собрались на семинар, посвященный вопросам искусственного интеллекта (там и был сформулирован этот термин), а уже в следующем году появилась концепция первой искусственной нейросети — перцептрон. В 1960 году Фрэнк Розенблатт создал на основе этой концепции компьютер «Марк-1». Первый в мире нейрокомпьютер учили распознавать буквы латинского алфавита. Но несовершенство техники 60-х и сложность процессов не позволили довести технологию до ума, а ее разработчик вскоре погиб. О нейрокомпьютерах забыли на 20 лет.

Лишь в 1980-е концепции нейросетей снова принялись изучать всерьез. Техника уже была достаточно мощной, да и критиков поубавилось: умная электроника быстро делала успехи. То, что два десятилетия назад казалось мечтой, стало выглядеть вполне реальным и достижимым. Впрочем, чтобы найти правильные подходы к обучению нейросетей, потребовалось еще 20 лет. Только в середине 2000-х ученые нащупали верный путь и искусственные нейросети начали свое победное шествие по планете.

Но прежде чем описывать их успехи, разберемся, как устроены эти сети.

Описание искусственного нейрона

Искусственные нейронные сети создавались как математическая модель человеческого мозга. Для этого ученым Уоррену Мак-Каллоку и Уолтеру Питтсу пришлось выработать теорию деятельности человеческого мозга. 

В нем отдельные нейроны представляют собой живые клетки со сложным устройством. У каждого нейрона есть дендриты — разветвленные отростки, способные обмениваться сигналами с другими нейронами через синапсы, а также один аксон — более крупный отросток, отвечающий за передачу импульса от нейрона. Часть синапсов отвечает за возбуждение нейрона, часть — за торможение. От того, какие сигналы и через какие синаптические связи придут на «вход» нейрона, будут зависеть и те импульсы, которые он передаст другим нейронам. 

Для искусственного нейрона физический носитель не нужен. По большому счету, он представляет собой математическую функцию. Ее задача — получить информацию (например, сигналы от множества других искусственных нейронов), обработать ее определенным образом, а затем выдать результат на «аксон» — выход. В искусственной сети нейроны принято делить на три типа:

• входные — каждый из этих нейронов получает на «вход» элемент исходной информации (например, одну точку изображения, если сеть распознает фотографии);
• промежуточные — обрабатывают информацию;
• выходные — выдают результат (при распознавании фото результатом может быть идентификатор изображенного объекта).

Сама нейросеть создается слоями, как пирог. Один из внешних слоев содержит входные нейроны, другой — выходные, а между ними могут располагаться один или несколько промежуточных. Каждый нейрон промежуточной сети соединен с множеством нейронов из двух окружающих слоев. Общение между нейронами обеспечивается с помощью весов — числовых значений, которые каждый нейрон вычисляет на основе данных, полученных от предыдущего слоя сети. 

Создавая искусственные нейронные сети, ученые ориентировались на устройство человеческого мозга. Поэтому принципы поведения рукотворных нейронов не так уж сильно отличаются от настоящих, живых. Может быть, и разум, который сможет развиться на основе таких нейросетей, будет приближен к человеческому?

Понятия «искусственный интеллект» и «artificial intelligence»

Этим понятием характеризуют способность машин к творческим проявлениям, которые свойственны человеку. Впервые упоминание о нем появилось в 1956 году, когда Джон Маккарти дал ему определение.

Разницу между понятиями можно назвать сложностью перевода. Русский перевод считают не особо удачным, так как слову «intelligence» больше подходит обозначение «умение рассуждать разумно». А для такого слова, как «интеллект», есть соответствующий аналог в английском языке.

Из-за различия в понятиях есть и прочие толкования даже оригинального термина. Информационные технологии определяют ИИ как возможность системы разрабатывать программ в ходе самообучения.

Перспектива развития искусственного интеллекта

Компьютеры теперь могут делать многое из того, что раньше могли делать только люди: играть в шахматы, распознавать буквы алфавита, проверять орфографию, грамматику, распознавать лица, диктовать, говорить, выигрывать игровые шоу и многое другое. Но скептики упорствуют. Как только удается автоматизировать очередную человеческую способность, скептики говорят, что это лишь еще одна компьютерная программа, а не пример самообучающегося ИИ. Технологии ИИ только находят широкое применение и имеют огромный потенциал роста во всех сферах. Со временем человечество будет создавать все более мощные компьютеры, которые будут все более совершенствоваться в развитии ИИ.

Является ли целью ИИ поместить человеческий разум в компьютер?

Существует только приблизительное понимание того, как работает человеческий мозг. Пока далеко не все свойства разума возможно имитировать с помощью ИИ.

Сможет ли ИИ достичь человеческого уровня интеллекта?

Ученые стремятся к тому, чтобы ИИ мог решать еще больше разнообразных задач. Но о достижении уровня человеческого интеллекта говорить преждевременно, так как мышление не сводится только к одним алгоритмам.

Когда искусственный интеллект сможет достичь уровня человеческого мышления?

На данном этапе накопления и анализа информации, который сейчас достигнут человечеством, ИИ далек от человеческого мышления. Однако в будущем могут возникнуть прорывные идеи, которые повлияют на резкий скачок в развитии ИИ.

Может ли компьютер стать интеллектуальной машиной?

Часть любой сложной машины — это компьютерная система, и тут возможно говорить только об интеллектуальных компьютерных системах. Сам компьютер не обладает интеллектом.

Есть ли связь между скоростью и развитием интеллекта у компьютеров?

Нет, скорость отвечает только за некоторые свойства интеллекта. Самой по себе скорости обработки и анализа информации недостаточно, чтобы появился интеллект.

Возможно ли создать детскую машину, которая могла бы развиваться с помощью чтения и самообучения?

Это обсуждается исследователями уже почти сто лет. Вероятно, идея когда-нибудь будет реализована. На сегодня программы ИИ не обрабатывают и не используют столько информации, сколько могут делать дети.

Как связаны с ИИ теория вычислимости и вычислительная сложность?

Теория вычислительной сложности фокусируется на классификации вычислительных задач в соответствии с присущей им сложностью и связывании этих классов друг с другом. Вычислительная задача — это задача, решаемая компьютером. Задача вычисления разрешима механическим применением математических шагов, таких как алгоритм.

Что такое искусственный интеллект?

Искусственный интеллект (AI) — это отрасль компьютерной науки. Она включает в себя разработку компьютерных программ для выполнения задач, для которых в противном случае потребовался бы человеческий интеллект. AI-алгоритмы могут решать задачи обучения, восприятия, решения проблем, понимания языка и/или логического мышления. Они даже могут обнаруживать признаки заболеваний, когда это не может сделать человек — это уже реализуется в здравоохранении.

Основное определение AI связано с предоставлением машинам возможности принимать сложные решения автономно. Программно-аппаратные средства, основанные на AI, могут решать сложные реальные задачи, анализируя огромные объемы данных и находя в них закономерности, не видимые человеком. Машинное обучение со временем улучшают аналитические способности таких приложений. Таким образом, приложения на основе AI обладают безграничной способностью становиться лучше в тех задачах, которые они выполняют.

AI используется во многих областях современного мира. Например, такие алгоритмы используются в поисковых системах Google, рекомендательных системах Amazon и GPS-навигаторах. Сейчас начинается активное использование систем на основе AI-технологии в здравоохранении. Большинство таких программ не используются для управления роботами.

Даже когда AI используется для управления роботами, AI-алгоритмы являются лишь частью большой робототехнической системы, которая также включает в себя датчики, исполнительные механизмы и программы, не связанные с AI.

Часто (но не всегда) AI включает в себя определенный уровень машинного обучения, когда алгоритм «обучается» реагировать на конкретный вход определенным образом, используя известные входы и выходы. Он также использует различные виды данных в качестве эталона для улучшения своей работы в течение определенного периода времени. И чем больше набор данных, тем лучше работает инструмент на основе AI с точки зрения скорости и точности работы.

Ключевым аспектом, отличающим AI от обычного программирования, является слово «интеллект». Программы без AI просто выполняют определенную последовательность инструкций. Программы на основе AI имитируют некоторый уровень человеческого интеллекта.

Что такое ИИ и почему это так интересно

Тема искусственного интеллекта и машинного мышления интересовала учёных ещё до изобретения компьютеров, а после появления ЭВМ вышла на новый уровень. В 1950-60-х годах вопросы, связанные с созданием и использованием искусственного интеллекта, стали широко обсуждаться в обществе.

Ответ на этот вопрос найти сложно ещё и потому, что нет чётких критериев разумности машины. Если это умение делать логические умозаключения, то компьютер давно превзошёл человека. Если же речь идёт о гибкости и оригинальности мышления, тут человек пока ещё превосходит даже самые современные интеллектуальные устройства.

‍

ИИ активно используется в самых разных областях, список которых с каждым годом расширяется, и найти своё место в этой сфере могут не только технари, но и гуманитарии – специалисты по управлению проектами, рекламе и пиару, психологи, экономисты, лингвисты.

‍

Так роботы все же нападут?

Коротко: пока – нет.

Сложнее: ИИ – это система, которая обучается и создает что-то новое, но для этого ей нужна исходная информация. Производить что-то абсолютно что-то уникальное, просто так, из воздуха она не умеет. Всегда нужен человек, который заложит в машину данные и задаст ей алгоритм. А еще ИИ развивается односторонне. Компьютеры, которые делают гигантские финансовые расчеты, неспособны распознать и перевести даже одно слово, если в них это не запрограммировано.  Пока так происходит, люди полностью контролируют искусственный интеллект.

Почему пока? Потому что создание робота, который сможет творить так же, как человек – одна из целей науки ИИ. Сегодня сложно прогнозировать, чем это обернется, потому что такая технология – вопрос не самого ближайшего будущего.

Текст: Александра Давидович, постоянный автор f&f.

• От Теслы до Маска: научные изобретения, которые совсем скоро изменят мир
• Кто и за что получил Нобелевскую премию в 2018-м: объясняем «на пальцах»
• В Венеции показали фильм российского режиссера в революционном формате. Что в нем особенного?

Типы искусственного интеллекта

На очень высоком уровне искусственный интеллект можно разделить на два широких типа: узкий ИИ и общий ИИ.

Узкий ИИ-это то, что мы видим вокруг себя в компьютерах сегодня: интеллектуальные системы, которые были научены или научились выполнять конкретные задачи, не будучи явно запрограммированными, как это сделать.

Этот тип машинного интеллекта очевиден в распознавании речи и языка виртуального помощника Siri на Apple iPhone, в системах распознавания зрения на беспилотных автомобилях. В отличие от людей, эти системы могут только учиться или обучаться тому, как выполнять конкретные задачи, поэтому их называют узким ИИ.

Есть огромное количество новых приложений для узкого ИИ: перевод видео с беспилотников, осуществляющих осмотр объектов инфраструктуры, таких как нефтепроводы, организация личных и деловых календарей, ответы на простые вопросы поддержкой клиентского сервиса, координация действий с другими интеллектуальными системами, выполнение таких задачх, как бронирование отеля в любой момент, помощь врачам, чтобы определить возможные опухоли с помощью рентгеновских снимков, блокировка нежелательного контента в интернете, выявления износа в лифтах от данных, собранных с помощью IoT-устройств, список продолжаться может очень долго.

Что могут программы с искусственным интеллектом

Современные технологии искусственного интеллекта позволяют создать устройства и программы, которые:

находят максимум возможных решений одной ситуации; машинный интеллект может быстро проанализировать все варианты и просчитать, какой из них будет наиболее дешёвым, безопасным, эффективным. Ответы машины будут зависеть от того, какую задачу перед ней поставил человек.Например, ИИ может подсчитать, производство какой модели или товара более выгодно, опираясь на данные о стоимости расходных материалов и объёмах продаж.

могут отвечать на любые вопросы, интегрированные в их систему; при этом машина умеет не только находить готовый ответ в базе данных, но и отыскивать его с помощью промежуточных наводящих вопросов, постепенно сужающих область поиска. Известная онлайн-игра «Акинатор», когда человек загадывает персонажа, а машина задаёт вопросы и отгадывает, кто это, тоже основана на технологиях искусственного интеллекта.

собирают и обрабатывают информации большие массивы информации, анализируют её, объединяют не связанные между собой фрагменты информации; так работает, например, система поиска по картинкам в «Яндексе» или Google.

‍

Логический подход

Может быть проиллюстрирован применением для этих целей языка и системы логического программирования «Пролог». Программы, записанные на языке «Пролог», представляют наборы фактов и правил логического вывода без жёсткого задания алгоритма как последовательности действий, приводящих к необходимому результату.

Агентно-ориентированный подход стал последним развиваемым с начала 90-х. Суть его в использовании интеллектуальных (рациональных) агентов. Согласно этому подходу, интеллект — это вычислительная часть (грубо говоря, планирование) способности достигать поставленных перед интеллектуальной машиной целей.

Методы и алгоритмы искусственного интеллекта

Система искусственного интеллекта — это не только IT-технологии, но и «смесь» из разных наук:

• математические вычисления;

• биологические процессы;

• психологические наработки;

• кибернетика;

• и много-много всего.

ИИ несет в себе главную задачу — смоделировать устройство человеческого интеллекта. Поэтому все его методы и алгоритмы нацелены на то, чтобы писать интеллектуальные программы.

Методы (они же алгоритмы) искусственного интеллекта — это «пути» обучения ИИ, которые ему необходимо пройти, чтобы он смог достичь поставленной цели. 

Так как существует большое количество направлений, где применяется искусственный интеллект, то и количество методов и алгоритмов тоже очень большое. Поэтому методам придумали классификацию, чтобы можно было проще с ними взаимодействовать. 

Хочется сразу отметить, что данная классификация вызывает некоторые споры и не является официальной. Официально методы искусственного интеллекта пока не классифицируются.

Методы искусственного интеллекта и их классификация

Методы и алгоритмы искусственного интеллекта можно разделить на 5 основных групп:

1. Искусственная нейронная сеть.

2. Неточная логика.

3. Экспертная логика.

4. Эволюционная логика.

5. Логика для анализа данных.

Искусственная нейронная сеть

Искусственная нейронная сеть подразумевает использование «чистых» математических алгоритмов для ведения каких-либо расчетов. В редких случаях в такие расчеты подключается логика. Нейросеть работает по прототипу человеческой нервной системы. В основном такие методы искусственного интеллекта применяются для

• идентификации графических образов;

• распознавания речи;

• идентификации лиц;

• распознавания знаков и объектов;

• и др.

Основа нейронных сетей — это самообучаемость и «развитие» навыков распознавания.

Неточная логика

Неточная логика используется в разработке экспертных систем или в управленческих системах. Неточная логика — это более качественная оценка всего происходящего и принятие решений на основе этой «качественной оценки». Если представить условную шкалу, то неточная логика будет выше и лучше нейронной сети по качеству анализа.

Экспертная логика

Методы и алгоритмы, входящие в эту группу, применяются через призму «коллективного интеллекта». То есть, когда нужно проанализировать огромное количество разноплановых данных, применяются именно эти методы, потому что более простые не справляются с поставленной задачей или просят на ее решение очень много времени.

Традиционное применение таких методов — это:

• прогноз погоды;

• постановка диагноза;

• прогноз спортивного события;

• и др.

Эволюционная логика

Методы данной группы применяются, когда нужно воссоздать более «одушевленное» общение. Например, это может быть робот с почти человеческим лицом. Чаще всего эти методы более узко направлены на какую-то сферу своего применения. Например, если это робот-медработник, то применяются алгоритмы, направленные на медицинскую тематику. Данные методы часто применяются в тандеме с группой неточной или экспертной логики. Эти методы также преследуют подход с самообучаемостью.

Логика для анализа данных

Данная группа алгоритмов не преследует принцип принятия решения на основе какого-то анализа, как описанные выше группы. Основная цель алгоритмов этой группы — провести анализ огромных баз данных и выявить в них закономерности.

Применение этих методов затрагивает разные сферы человеческой деятельности, например, это могут быть: 

• бизнес-продажи;

• спортивная статистика;

• метеорологические данные;

• генетические данные и др.

Гибридный подход

Он  предполагает, что только синергийная комбинация нейронных и символьных моделей достигает полного спектра когнитивных (познавательных) и вычислительных возможностей. Например, экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения.

Следует рассмотреть и подход «естественного языка», в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке. В рамках этого направления ставится цель такой обработки естественного языка, которая была бы в состоянии приобрести знание самостоятельно, читая существующий текст, доступный по Интернету.

Подход машинного обучения. Данная проблематика касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы. Это направление было центральным с самого начала развития ИИ. В 1956 году, на Дартмундской летней конференции, исследователь Рей Соломонофф написал отчёт о вероятностной машине, обучающейся без учителя.

Чем нейросети отличаются от алгоритмов

В алгоритмах разработчики сразу прописывают правильную последовательность действий, которые дают какой-то предсказуемый результат. Например, разработчик пишет программу для расчета площади квартиры по чертежу, и там пошагово описаны все действия: умножь, сложи, вычти и т. д. Если посмотреть на этот алгоритм, будет понятно его устройство, в него можно внести изменения. 

Нейросетям вместо алгоритмов дают много заранее правильно решенных задач. Например, десять тысяч планов квартир с уже прописанными площадями. И нейросеть начинает угадывать, какой результат от нее ожидают. Отдельный алгоритм говорит ей, правильно она угадала или нет, и со временем она учится угадывать всё более правильно. 

По ходу обучения у нейросети формируются связи, которые позволяют ей угадывать полезный результат. Какие это связи, никто не понимает — мы можем их пронаблюдать, но не всегда можем понять принцип, по которым они формируются. 

Короче: алгоритм делает то, что ему сказано, и дает четкий предсказуемый результат. Нейросеть угадывает, что мы от нее хотим, по непонятному нам принципу. При этом, если сеть достаточно хорошо обучена, ее угадывания могут быть достаточно точными. 

Глубокое обучение

Понятие «глубокое обучение» используется для описания нейронной сети и тех алгоритмов, на которых построена работа ИНС. Алгоритмы ИНС глубокого обучения направлены на прием «сырых» данных, из которых необходимо извлечь информацию и, впоследствии обработки, получить выходные данные.

Без данных алгоритмов программисту необходимо самому искать нужную информацию, в то время как ИНС, построенная на модели глубокого обучения, может сама найти нужные данные, обработать их и дать на выходе решение.

Обучение происходит следующим образом: система запускает поиск необходимой информации, получает входные данные, обрабатывает их, извлекает и выдает полезную информацию. Когда обучение пройдено, снижаются требования для поддержания работы модели к вычислительной мощности, памяти и энергии. Таким образом система тренируется выполнять какую-то конкретную задачу. Глубокое обучение может быть применено для решения задач разных направлений. На данный момент это инновация в сфере искусственного интеллекта.

Есть и другие виды обучения, например, обучение с учителем или с частичным привлечением учителя. В таком случае устанавливается контроль реальным человеком на некоторых этапах процесса.

Теневое обучение также предполагает участие человека в ходе обучения, когда перед поиском системой данных человек самостоятельно обрабатывает информацию и вносит необходимые показатели в систему сведений по специфике направления.

Кто выигрывает гонку в технологиях ИИ?

Facebook — использует искусственный интеллект, чтобы упростить управление бесчисленным количество государственных услуг: обслуживание результатов поиска, предлагая рекомендации, опознавая людей и вещи в фотографиях и.т.д.

Но одной из наиболее видимых проявлений этой войны за технологию ИИ является развитие виртуальных помощников, таких как Siri от Apple, Alexa от Amazon, Google Assistant и Microsoft Cortana.

Огромное количество технологий направлены на разработку этих помощников.

Но, в то время как Siri от Apple, возможно, вышла на первый план, Google и Amazon, чьи помощники с тех пор уже обогнали Apple в технологии ИИ. Например, Google Assistant с его способностью отвечать на широкий спектр запросов и Alexa от Amazon с огромным количеством «навыков», которые создали сторонние разработчики, чтобы добавить новое к его возможностям.

Где используется ИИ

Вокруг нас уже много устройств и сервисов, внутри которых есть ИИ в том или ином виде.

Голосовые помощники в телефонах и колонках распознают речь и команды, чтобы показать нам лучший маршрут, результат поиска или зачитать прогноз погоды. Та же «Алиса» распознаёт речь, анализирует её, определяет тематику диалога, выделяет полезную для поиска информацию и синтезирует ответы помощника — и во всём ей помогают заранее натренированные нейросети. Подробнее про устройство «Алисы» читайте на Хабре.

Чат-боты на сайтах понимают типовые вопросы, даже если они сформулированы по-разному, и отвечают на них. Это позволяет нанимать меньше людей в техподдержку. Они отличаются от примитивных ботов «Оставь-свой-номер-и-мы-перезвоним» тем, что распознают текст вопроса и сами находят на него ответ в своей базе знаний. Чаще всего внутри таких ботов крутится TensorFlow — система машинного обучения от Google с открытыми исходниками. Хотите собрать такого бота самостоятельно — держите инструкцию.

Умные фильтры в фотокамерах сами определяют, когда вы снимаете против солнца, и добавляют яркости в тенях, чтобы картинка получилась сбалансированной. Если делаете селфи — камера понимает, что на фото будет лицо и делает его ещё красивее: убирает прыщики, морщинки и торчащие волоски. В последних моделях телефонов Honor за это отвечает отдельный модуль в процессоре — Neural Network Processing Unit: NPU. Он управляет простой нейронкой, но даже её хватает для того, чтобы делать классные фотки.

Вариантов реализации ИИ много, но их все можно разделить на две группы — решение узких задач и полноценный искусственный интеллект общего назначения.