Существуют и другие виды обучения, например, обучение с помощью учителя или обучение с частичной поддержкой учителя. В этом случае контроль осуществляется реальным человеком на определенных этапах процесса.
Что такое искусственный интеллект
Существуют ключевые термины: искусственный интеллект (ИИ), машинное обучение и нейронные сети. Давайте уточним, что есть что и зачем это нужно.
С тех пор как появились первые компьютеры, люди давали им инструкции: Сделайте то-то и то-то в таком порядке. Порядок и описание действий называется алгоритмом. Все окружающие вас программы работают на основе алгоритмов. Все предельно ясно: «Когда вы нажимаете эту кнопку, вот что вы делаете».
Проблема алгоритмов в том, что они совершенно беспомощны вне своих инструкций. Компьютеры не знают, как справиться с этой ситуацией. Если алгоритм не может что-то предсказать, компьютер не будет этого делать, даже если от этого зависит его жизнь. Если бы компьютеры умели справляться с нестандартными ситуациями, не было бы ошибок и «синих экранов смерти».
Например, вы можете сказать роботу: «Прежде чем перейти дорогу, посмотри налево, затем направо, и если нет машин, переходи дорогу». Робот приблизился к пешеходному переходу «зебра». Он посмотрел налево и увидел там асфальтированную дорогу. Асфальтоукладчик — это не автомобиль, поэтому робот пересек дорогу и покатился по асфальту. Почему? Таков алгоритм.
Чтобы сделать роботов немного умнее, они пишут сложные алгоритмы. Но проблема остается: Все, что не входит в алгоритм, никогда не выполняется. А программисты уже несколько десятилетий мечтают научить машины думать самостоятельно. Для этого было изобретено множество вещей, в том числе нейронные сети.
Что такое нейросети
Существует множество мифов о нейронных сетях: будто бы это компьютерный мозг, самообучающаяся система, программа мышления и так далее. Все это неправда.
Нейронная сеть — это очень сложная база данных с набором формул. Данные вводятся на одной стороне базы данных, обрабатываются с помощью ряда формул и выводятся на другой стороне. Там нет мышления — только математика. Сложность заключается в извлечении формул, которые заставят нейронную сеть выдать хотя бы несколько полезных результатов. Извлечение этих формул — это машинное обучение. О том, как все это работает, мы расскажем в отдельной статье.
Вот простейшее представление структуры нейронной сети. Слева находятся ячейки ввода данных, справа — ячейки вывода данных, а между ними находится скрытый слой, в котором нейронная сеть выполняет математические вычисления. Возможно, это пока не совсем понятно, но мы поговорим об этом отдельно.
Чем нейросети отличаются от алгоритмов
С помощью алгоритмов программисты сразу задают правильную последовательность действий, которая приводит к предсказуемому результату. Например, программист пишет программу для вычисления площади плоскости по плану, и все действия описываются в ней шаг за шагом: Умножение, сложение, вычитание и т.д. Если изучить этот алгоритм, то становится понятной его структура, и его можно изменить.
В нейронных сетях вместо алгоритмов заранее дается множество правильно решенных задач. Например, десять тысяч дизайнов уровней с уже определенными областями. И нейронная сеть начинает угадывать, какой результат от нее ожидается. Отдельный алгоритм сообщает ему, правильно он угадал или нет, и со временем он учится угадывать все более правильно.
По мере обучения нейронная сеть формирует связи, которые позволяют ей угадывать полезный результат. Никто не понимает, что это за связи — мы можем их наблюдать, но не всегда можем понять принцип, по которому они образуются.
Короче говоря, алгоритм делает то, что должен делать, и дает четко предсказуемый результат. Нейронная сеть угадывает, что мы хотим, чтобы она сделала, в соответствии с принципом, который мы не понимаем. И если сеть достаточно хорошо обучена, ее предположения могут быть достаточно точными.
В 2000-х годах возродился интерес к робототехнике. Искусственный интеллект активно внедряется в космическую отрасль, а также используется в бытовой сфере. Системы «умного дома» и «продвинутые» бытовые приборы находятся на подъеме. Роботы Kismet и Nomad исследуют часть Антарктиды.
Что нужно знать об искусственном интеллекте?
Термин «искусственный интеллект» впервые появился в 1956 году, когда были проведены первые исследования по разработке систем символьных вычислений. Министерство обороны США заинтересовалось исследованием, и к 2003 году было разработано несколько персональных помощников.
Интеллект — это способность воспринимать, обрабатывать и хранить информацию. Он может встречаться в различных формах и проявлениях у людей, животных и машин. Однако существование интеллекта не предполагает наличие сознания. Это означает, что пока рано сравнивать машину с интегрированным человеком.
Интеллект позволяет нам вычислять то, что можно измерить, а сознание дает ощущение, которое могут испытать только люди.
Искусственный интеллект и нейронные сети — это мощные технологии, основанные именно на машинном обучении и создании машин и компьютерных программ с интеллектом. ИИ затрагивает многие другие области знаний, такие как математика, статистика, психология, теория вероятности, физика, обработка сигналов, машинное обучение, компьютерное зрение, лингвистика, исследование мозга и т.д.
В настоящее время программирование алгоритмов для решения сложных задач с большим объемом информации является очень ресурсоемким и трудоемким для программистов. Даже если нам удастся разработать код, способный обрабатывать огромные объемы данных и вычислять решения сложных задач, его будет трудно использовать, поскольку он слишком велик, им сложно управлять и он не поддерживается всеми устройствами. Именно поэтому развитие искусственного интеллекта так важно сегодня, ведь современные технологии машинного обучения позволяют научить компьютеры программировать за нас, что ускоряет процесс вычисления сложных задач и облегчает работу.
Где применяется искусственный интеллект и в чем его польза?
Многие люди считают, что они никогда не сталкивались с искусственным интеллектом, но это заблуждение, потому что многие из нас используют его каждый день.
В 2011 году суперкомпьютер Watson компании IBM, использующий алгоритм машинного обучения, получил широкую известность, победив в викторине Jeopardy. Искусственный интеллект компьютера соревновался с двумя людьми: Брэд Раттер, у которого был самый большой призовой фонд в программе, и Кенни Дженнингс, у которого была самая длинная серия побед. С тех пор алгоритм был изменен и усовершенствован, и в настоящее время он используется в качестве стандарта такими компаниями, как Apple, Amazon и Google.
Как применяется искусственный интеллект в реальной жизни?
Вот лишь несколько областей, где используется искусственный интеллект:
Почта
Сегодня почти у каждого есть учетная запись электронной почты. Мы подписываемся на информационные бюллетени, указываем свой адрес электронной почты и получаем сотни писем в день с рекламой товаров или услуг. Искусственный интеллект помогает сортировать эти письма и отправляет нежелательные письма в папку спама.
Кроме того, если вы были внимательны, при составлении сообщения вам будет предложено давать умные ответы. Эта функция позволяет не только кратко ответить на тему письма, но и предложить формат ответа, основываясь на стиле письма владельца письма. Все это делается с помощью искусственного интеллекта.
Социальные сети
Linkedln использует искусственный интеллект для подбора потенциальных сотрудников и работодателей.
Чат-боты — очень популярный инструмент в настоящее время. Некоторые из них созданы для того, чтобы имитировать реальный разговор с живым человеком.
Сканируя сообщения, Facebook обнаруживает подозрительные тексты, которые наводят на мысль о том, что автор размышляет о самоубийстве.
Поисковые сети
Когда мы вводим поисковый запрос в Google, поисковая система предлагает нам возможные варианты — это тоже искусственный интеллект.
Карты Google или Яндекс Карты также используют искусственный интеллект для отправки предупреждений о пробках или авариях рядом с вами.
Рекомендации
Многие интернет-магазины используют искусственный интеллект, чтобы предлагать покупателям похожие товары.
Социальные сети и музыкальные приложения используют искусственный интеллект для определения интересов пользователей и рекомендации похожей музыки на основе собранных данных.
Программы для банков
Банки предлагают специальные приложения и программы, которые напоминают пользователям об истечении срока действия их счета при входе в систему, предлагают переводы и многое другое.
Для предотвращения мошенничества искусственный интеллект отслеживает и регистрирует все транзакции. Для нестандартных платежей (например, суммы, превышающие стандартные сборы, или платежи за услуги из другой страны) банк отправляет клиенту уведомление или просит его подтвердить платеж лично.
Кроме того, ИИ используется в больницах для постановки медицинских диагнозов, а также для управления самолетами, автомобилями и роботами. Это область, которая постоянно развивается и совершенствуется.
Чтобы сделать роботов немного умнее, они пишут сложные алгоритмы. Но проблема остается: Все, что не входит в алгоритм, никогда не выполняется. А программисты уже несколько десятилетий мечтают научить машины думать самостоятельно. Для этого было изобретено множество вещей, в том числе нейронные сети.
Обзор
Интеллект — способность воспринимать информацию и хранить ее в виде знаний для выработки адаптивного поведения в окружающей среде или контексте.
Это определение интеллекта из Википедии можно применить как к органическому мозгу, так и к машине. Наличие интеллекта не означает наличие сознания. Это широко распространенное заблуждение, созданное писателями-фантастами.
Если вы поищете в Интернете примеры искусственного интеллекта, вы обязательно найдете хотя бы одно упоминание о Watson компании IBM. Watson использует алгоритм машинного обучения, ставший знаменитым благодаря победе в телевизионной викторине «Jeopardy» в 2011 году. С тех пор алгоритм претерпел ряд изменений и стал использоваться в качестве стандарта для многих различных коммерческих приложений. Apple, Amazon и Google активно работают над созданием подобных систем для наших домов и карманов.
Обработка естественного языка и распознавание речи стали первыми примерами коммерческого использования машинного обучения. Затем последовали другие задачи автоматизации распознавания (текст, аудио, изображения, видео, лица и т.д.). Сфера применения этих технологий расширяется и включает беспилотные автомобили, медицинскую диагностику, компьютерные игры, поисковые системы, фильтрацию спама, борьбу с преступностью, маркетинг, робототехнику, компьютерное зрение, транспорт, распознавание музыки и многое другое.
Искусственный интеллект настолько плотно интегрирован в наши современные технологии, что многие люди даже не называют его «искусственным интеллектом», то есть не отличают его от обычных компьютерных технологий. Спросите любого прохожего, оснащен ли его смартфон искусственным интеллектом, и он наверняка ответит: «Нет». Но алгоритмы искусственного интеллекта встречаются повсеместно: от предсказания набранных текстов до автоматической фокусировки камеры. Многие считают, что искусственный интеллект появится в будущем. Но он появился некоторое время назад, а теперь уже здесь.
Термин «искусственный интеллект» является довольно общим. В настоящее время исследования сосредоточены на более узкой области нейронных сетей и глубокого обучения.
Как работает наш мозг
Человеческий мозг — это сложный компьютер на основе углерода, который выполняет около миллиарда миллиардов миллиардов операций в секунду (1 000 петафлопс) и потребляет 20 ватт энергии. Китайский суперкомпьютер под названием Tianhe-2 (самый быстрый в мире на момент написания статьи) выполняет 33860 триллионов операций в секунду (33,86 петафлопс) и потребляет 17600000 ватт (17,6 мегаватт). Еще многое предстоит сделать, прежде чем наши кремниевые компьютеры догонят наши эволюционные углеродные компьютеры.
Точный механизм, с помощью которого наш мозг «думает», является предметом споров и дальнейших исследований (лично мне нравится теория о том, что работа мозга связана с квантовыми явлениями, но это тема для другой статьи). Однако функциональный механизм частей мозга обычно моделируется с помощью концепции нейронов и нейронных сетей. Считается, что мозг содержит около 100 миллиардов нейронов.
Нейроны общаются друг с другом через специальные каналы, по которым они могут обмениваться информацией. Сигналы от отдельных нейронов взвешиваются и комбинируются друг с другом, прежде чем они активируют другие нейроны. Эта обработка переданных сообщений, объединение и активация других нейронов повторяется в различных слоях мозга. Поскольку в нашем мозге 100 миллиардов нейронов, набор взвешенных комбинаций этих сигналов довольно сложен. И это мягко сказано.
Но это еще не все. Каждый нейрон применяет функцию или преобразование к взвешенным входным сигналам, прежде чем проверить, достигнут ли его порог активации. Преобразование входного сигнала может быть линейным или нелинейным.
Входные сигналы изначально поступают из различных источников: наши органы чувств, собственные средства контроля организма (содержание кислорода в крови, содержимое желудка и т.д.) и другие. Один нейрон может получить сотни тысяч входных сигналов, прежде чем решить, как на них реагировать.
Мышление (или обработка информации) и результирующие инструкции, передаваемые нашим мышцам и другим органам, являются результатом преобразования и передачи входных сигналов между нейронами различных слоев нейронной сети. Однако нейронные сети в мозге могут быть изменены и обновлены, включая изменения в алгоритме взвешивания сигналов, передаваемых между нейронами. Это происходит благодаря обучению и накоплению опыта.
Эта модель человеческого мозга послужила образцом для воспроизведения возможностей мозга в компьютерной симуляции — искусственной нейронной сети.
Искусственные Нейронные Сети (ИНС)
Искусственные нейронные сети — это математические модели, основанные на аналогии биологических нейронных сетей. ИНС способны моделировать и обрабатывать нелинейные отношения между входными и выходными сигналами. Адаптивное взвешивание сигналов между искусственными нейронами достигается с помощью алгоритма обучения, который считывает наблюдаемые данные и пытается улучшить результаты их обработки.
Для улучшения работы ИНС используются различные методы оптимизации. Оптимизация считается успешной, если ИНС может решить поставленную задачу за время, не превышающее определенного предела (временной интервал, конечно, варьируется от задачи к задаче).
ИНС моделируется несколькими слоями нейронов. Структура этих слоев называется архитектурой модели. Нейроны — это отдельные вычислительные единицы, способные принимать входные данные и применять к ним математическую функцию, чтобы решить, передавать эти данные дальше или нет.
В простой трехслойной модели первым слоем является входной слой, за ним следуют скрытый слой и выходной слой. Каждый слой содержит как минимум один нейрон.
Чем сложнее становится модель за счет увеличения количества слоев и нейронов, тем больше возможностей для решения задач ANN. Однако если модель окажется слишком «большой» для конкретной задачи, оптимизировать ее до нужного уровня может оказаться невозможным. Это явление называется чрезмерной подгонкой.
Архитектура, настройка и выбор алгоритмов обработки данных являются ключевыми элементами проектирования ИНС. Все эти элементы определяют производительность и эффективность модели.
Модели часто характеризуются тем, что называется функцией активации. Он используется для преобразования взвешенных входных данных нейрона в выходные данные (когда нейрон решает передать данные, это называется его активацией). Существует множество различных преобразований, которые могут быть использованы в качестве функций активации.
ИНС — это мощный инструмент для решения проблем. Однако, хотя математическая модель небольшого числа нейронов довольно проста, модель нейронной сети становится довольно сложной по мере увеличения числа компонентов. По этой причине использование ИНС иногда называют подходом «черного ящика». Выбор ИНС для решения проблемы должен быть тщательно продуман, поскольку во многих случаях полученное решение не может быть разложено и проанализировано, так как оно было получено таким образом.
В 1969 году ученые из Стэнфордского университета разработали Шеки — робота с искусственным интеллектом, который мог автономно передвигаться, записывать данные и решать простые задачи.
Сфера использования ИИ
Искусственный интеллект постепенно входит во все сферы человеческой деятельности и делает обычные программные комплексы интеллектуальными:
- Медицина и здравоохранение. Компьютерные системы ведут учет пациентов и помогают расшифровывать результаты диагностики. Например, ультразвуковое сканирование, рентгеновские снимки, компьютерная томография и другое медицинское оборудование. Умные системы могут даже определить болезнь пациента по признакам и предложить оптимальные варианты лечения. Приложения для здорового образа жизни можно найти в магазине приложений Google. Эти приложения считывают пульс и температуру тела человека, когда он прикасается палочкой к экрану телефона, чтобы определить уровень стресса и предложить способы его снижения.
- Розничные продажи через Интернет. Многие уже знакомы с важностью Google и Yandex. Он используется розничными торговцами для предложения товаров и услуг в соответствии с интересами пользователей. Например, вы посетили интернет-магазин купальников, посмотрели несколько моделей, прочитали технические характеристики и т.д. Выйдя из магазина, вы можете увидеть рекламу купальников на других сайтах. Блоки «похожие товары» в интернет-магазинах работают по аналогичному принципу. Системы анализа изучают поведение пользователей, определяют их покупательские привычки и отображают (по их мнению) релевантные предложения.
- Политика. Интеллектуальные машины помогли Бараку Обаме выиграть вторые президентские выборы. Для своей избирательной кампании тогдашний президент США нанял лучшую команду аналитиков данных. Специалисты использовали возможности умных машин, чтобы рассчитать наилучший день, персонал и аудиторию для выступлений Обамы. В результате преимущество составило примерно 10-12%.
- Промышленность. ИИ может анализировать данные с различных производственных участков и регулировать загрузку оборудования. Кроме того, интеллектуальные машины используются для прогнозирования спроса в различных отраслях промышленности.
- Игровая индустрия, образование. ИИ активно используется производителями игр. Интеллектуальные машины и робототехника постепенно внедряются в образовательные процессы большинства стран.
Основные проблемы ИИ
Как вы понимаете, потенциал искусственного интеллекта на данном этапе развития не безграничен. Перечислим основные трудности:
- Машинное обучение возможно только на основе больших данных. Это означает, что неточности в информации сильно влияют на конечный результат.
- Интеллектуальные системы ограничены определенным видом деятельности. Это означает, что интеллектуальная система, созданная для выявления налогового мошенничества, не сможет обнаружить банковское мошенничество. Мы имеем дело с высокоспециализированными программами, которые все еще далеки от человеческой мультипрактики.
- Интеллектуальные машины не являются автономными. Чтобы сохранить их, нужна команда экспертов и много ресурсов.
По сравнению с человеком искусственный интеллект можно сравнить с мозгом; машинное обучение — это один из многих способов обработки поступающих данных и решения возникающих проблем, а нейронные сети соответствуют взаимосвязи более мелких, базовых элементов мозга — нейронов.
Нейронные сети — это искусственный человеческий мозг?
Несмотря на схожую структуру нейронных сетей машины и человека, им не хватает свойств нашей центральной нервной системы. Нейронные компьютерные сети — это, по сути, то же самое, что и компьютерные программы. Так получилось, что наш мозг — это наилучшим образом организованная система для выполнения вычислений. Вы, наверное, уже слышали выражение «наш мозг — это компьютер», верно? Ученые просто скопировали некоторые аспекты его структуры в «цифровой форме». Это ускорило вычисления, но не наделило машины сознанием.
Нейронные сети существуют с 1950-х годов (по крайней мере, в форме ipion), но до недавнего времени они были слабо развиты, поскольку для их создания требуется огромное количество данных и вычислительной мощности. В последние годы все это стало доступным, поэтому нейронные сети вышли на передний план в своем развитии. Важно понимать, что для их полного появления не хватало технологии. Точно так же, как их не хватает сейчас, чтобы вывести технологию на новый уровень.
Несмотря на свои преимущества, Deep Learning и нейронные сети также имеют некоторые недостатки.
- Зависимость от данных: В целом, алгоритмы глубокого обучения требуют огромного количества обучающих данных для точного выполнения своих задач. К сожалению, для многих проблем недостаточно высококачественных обучающих данных для построения функциональных моделей.
- Непредсказуемость: нейронные сети развиваются странным образом. Иногда все идет по плану. А иногда (даже когда нейронная сеть работает хорошо) даже ее создателям трудно понять, как работают алгоритмы. Отсутствие предсказуемости делает крайне сложным исправление и отладку алгоритмов нейронных сетей.
- Алгоритмическая предвзятость: алгоритмы глубокого обучения хороши лишь настолько, насколько хороши данные, на которых они обучены. Проблема заключается в том, что обучающие данные часто содержат скрытые или явные ошибки или недостатки, и алгоритмы принимают их. Например, алгоритм распознавания лиц, обученный в основном на фотографиях белых людей, будет работать менее точно на людях с другим цветом кожи.
- Отсутствие обобщения: алгоритмы глубокого обучения хорошо справляются с целевыми задачами, но плохо обобщают свои знания. В отличие от человека, модель Deep Learning, обученная на StarCraft, не сможет играть в другую похожую игру, например, WarCraft. Более того, Deep Learning не в состоянии обрабатывать данные, которые отклоняются от парадигмы обучения.
Очевидно, что работа над Deep Learning и нейронными сетями все еще продолжается. В настоящее время предпринимаются различные усилия для улучшения алгоритмов глубокого обучения. Глубокое обучение — это передовой метод создания искусственного интеллекта. В последние годы она становится все более популярной благодаря большим данным и растущей вычислительной мощности. Это основная технология, лежащая в основе многих приложений, которыми мы пользуемся каждый день.
Схемы и пути решения проблем скоро заменят многие вещи.
Но возникнет ли когда-нибудь сознание на основе этой технологии? Настоящая искусственная жизнь? Некоторые ученые считают, что нечто подобное может произойти, когда количество связей между элементами искусственных нейронных сетей достигнет того же количества, которое существует между нашими нейронами в человеческом мозге. Однако это утверждение весьма сомнительно. Чтобы появился настоящий искусственный интеллект, нам необходимо пересмотреть подход к разработке систем на основе ИИ. То, что мы имеем сейчас, — это всего лишь приложения для строго ограниченного круга задач. Даже если нам хочется верить, что будущее уже наступило…..
Что вы думаете? Создадут ли люди искусственный интеллект? Поделитесь своим мнением в нашем чате Telegram.
— Искусственный интеллект имеет свои преимущества — он не устает и может обрабатывать большие объемы информации за короткое время. Оно отличается от человеческого мышления тем, что еще не имеет эмоций и не зависит от них. Человеческое же мышление всегда подвержено им, — говорит компьютерный эксперт Александр Серебряков.
Влияние на различные области
Искусственный интеллект все больше проникает в экономику и, по некоторым прогнозам, к 2030 году увеличит мировой рынок на 15,7 триллиона долларов. США и Китай являются лидерами по внедрению этой технологии, но некоторые развитые страны, такие как Канада, Сингапур, Германия и Япония, не сильно отстают.
ИИ может оказать значительное влияние на рынок труда. Автоматизация большинства процессов может привести к массовому сокращению рабочих мест. И, конечно, увеличение спроса на программистов.
Некоторые ученые указывают на опасность внедрения ИИ в повседневную жизнь. Например, британский ученый Стивен Хокинг считал, что, несмотря на возможность создания искусственного интеллекта, превосходящего человека во всех отношениях, мы не сможем с ним справиться, и в результате люди понесут значительный ущерб. Элон Маск считает, что искусственный интеллект в будущем будет представлять гораздо большую угрозу, чем ядерное оружие.
Перспективы развития искусственного интеллекта
Современные компьютеры приобретают все больше знаний и «навыков». Скептики, с другой стороны, утверждают, что все возможности ИИ — это не более чем компьютерная программа, а не пример самостоятельного обучения. Однако это не мешает технологии распространяться в различных областях и открывать невообразимые возможности для роста. Со временем компьютеры будут становиться все мощнее, а ИИ будет развиваться еще быстрее.
Не так давно ученые, кажется, ввели понятие «искусственный интеллект», а чуть более полувека спустя эта технология уже востребована во многих областях. Искусственный интеллект сейчас, можно сказать, шаг за шагом доступен каждому — компьютеры и ноутбуки, смартфоны и электронные часы, даже многие простейшие приложения работают с ним. Искусственный интеллект в его различных проявлениях проник и укоренился во многих областях человеческой жизни.
— Решения ИИ могут работать с различными алгоритмами, так же как автомобиль может работать на бензиновом, дизельном или электрическом двигателе. Одним из таких алгоритмов являются нейронные сети. Сейчас они стали очень популярны, — объясняет Евгений Карпов.
Системы управления искусственным интеллектом
Не все эксперты принимают эту формулировку. Некоторые считают, что вместо систем управления больше подходят алгоритмы и сервисы искусственного интеллекта. Они делятся на два типа.
- Специалист хорошо справляется с решением узкого круга шаблонных задач. Для каждого из них нужен свой алгоритм. Этот искусственный интеллект никогда не сможет превратиться в полноценного помощника или конкурента человека. В робототехнике алгоритмы полезны только тогда, когда машина должна выполнить конкретную задачу. Например, открывание и закрывание двери.
- Общего назначения (AGI — искусственный интеллект общего назначения) — в будущем он будет наделен когнитивными способностями, эмоциями, способностью к обучению, принятию решений для широкого круга областей, самосознанием и т.д.
Кто разрабатывает искусственный интеллект
Было бы странно, если бы технологический гигант, разработавший самую популярную поисковую систему и мобильную операционную систему, не занимался разработкой искусственного интеллекта. В конце концов, они могут немедленно внедрить свои знания в продукты и получить прибыль. Различные API Google — то есть средства разработки программного обеспечения — обучены распознавать речь, переводить с иностранных языков и вести разговор, например, в колл-центре. Конечно, это наиболее удобные для пользователя разработки. Правда, у компании сотни проектов ИИ в той или иной области. Большинство из них, конечно, связаны с онлайн-продажами.
OpenCog
Компания разработала когнитивную архитектуру, которая, проще говоря, представляет собой фрагменты компьютерного кода, направленные на создание искусственного интеллекта. Это программное обеспечение с открытым исходным кодом, что означает, что его может использовать любой разработчик. Компания считает, что совместная работа позволит сообществу быстрее развиваться и создать всеобъемлющий искусственный интеллект, который будет силен не только в своей области, но и во всех областях.
Китайский институт искусственного мозга
Ученые из Поднебесной в своей лаборатории создают искусственный интеллект, похожий на мозг. Официально они работают над нейронными сетями, которые могут распознавать объекты и человеческие сообщения, или над созданием искусственного интеллекта, способного в считанные секунды сообщить об аварии в службу спасения. Однако одной из самых амбициозных разработок азиатских ученых является система социального доверия.
Microsoft
Самый популярный искусственный интеллект от американской компании называется Azure. Компания продает его компаниям, занимающимся разработкой программного обеспечения. Нейронная сеть понимает язык, может делать предсказания и имитирует другие интеллектуальные способности человека. Компания делает большой упор на искусственный интеллект, который обучен обнаруживать ошибки в коде. Это означает, что в скором времени ИИ будет обучен самостоятельно создавать программы.
Российские игроки
— В России нет хорошо функционирующих и интегрированных центров компетенции по ИИ, встроенных в компании. Есть несколько компаний, которые успешно продвигают решения на основе ИИ в своих бизнес-моделях, например, Сбербанк и Mail.ru Group, Яндекс и Лаборатория Касперского, Корпорация «Сибур» и Северсталь. Но эти решения во многом не уникальны. Присутствие российских ученых и разработчиков ИИ на ведущих международных конференциях крайне мало по сравнению с учеными из США, Китая и Европы, — говорит Илья Макаров.
Популярные вопросы и ответы
— Большинство аналитиков прогнозируют, что внедрение ИИ увеличит прибыльность компании на несколько десятков процентов. В бизнесе большое количество ошибок связано с человеческим фактором. ИИ повысит точность бизнес-процессов, в том числе при работе с документами и вводе данных. Нейронные сети, распознающие, например, паспортные данные и вносящие их в соответствующие ячейки системы, уже существуют и активно используются. ИИ становится ключевым элементом повышения конкурентоспособности как компаний, так и целых государств в эпоху промышленной революции 4.0, — говорит Станислав Косарев, директор Института компьютерных наук Университета «Синергия».
Отвечая на вопрос «КП», генеральный директор ABBYY Россия Дмитрий Шушкин рассказал, в каких областях сейчас используется искусственный интеллект.
В банках. Технология позволяет открывать счета для физических и юридических лиц даже удаленно, практически без участия сотрудников. На основе информации о заемщике определять размер и подходящие условия кредита, анализировать новости о банковских партнерах и выявлять риски, эффективно торговать на фондовом рынке.
Розничная торговля. Помогать определять демографические характеристики клиентов и рекомендовать наиболее подходящие продукты. Контролировать запасы на полках, понимать причины очередей в магазине, лучше организовывать поставки и закупки у поставщиков, упрощать работу бухгалтерии.
В сфере телекоммуникаций. Предвидеть отток абонентов, эффективно распределять звонки по центрам обработки вызовов.
В логистике. Он помогает создавать маршруты для грузовых перевозок, контролировать расходы на топливо, получать и анализировать данные из транспортных документов.
Музыкальные услуги. Она использует методы машинного обучения для анализа музыкальных предпочтений пользователя.
В медицине. Канадская компания BlueDot использует искусственный интеллект для мониторинга распространения инфекционных заболеваний. За неделю до объявления о вспышке коронавируса в Ухане появились предупреждения о пневмонии. Искусственный интеллект, обученный Сбербанком, научился распознавать характерные сокращения в легких, вызванные заражением коронавирусом. Ученые из ведущего американского университета MIT использовали искусственный интеллект для разработки новых антибиотиков.
— Невозможно дать конкретный ответ на этот вопрос: Все зависит от характера предприятия и масштаба решаемых задач. Короче говоря, это дорого. Пока это могут позволить себе только крупные компании. С развитием решений, связанных с ИИ, обучением новых моделей и обогащением данных, стоимость внедрения и использования будет снижаться», — говорит Станислав Косарев.
Существует множество свободно распространяемых библиотек, реализующих алгоритмы ИИ, которые разработчик может просто скачать, адаптировать к своим данным и применить в своем программном продукте. Существуют и готовые продукты, например, программа Comma One — автопилот с открытым исходным кодом, который можно легко загрузить. Конечно, существуют и закрытые системы. Например, Google ежегодно тратит миллиарды долларов на разработку систем искусственного интеллекта, и хотя компания защищает свои алгоритмы поиска, она публикует некоторые из своих вторичных библиотек в открытом доступе.
— Когда речь идет о замене человека, сформировавшегося и разумного, на друга, мы не можем ожидать, что это произойдет в ближайшее время. В остальном, повседневная жизнь, услуги и коммуникации — это области, куда ИИ уже проник и регулярно выручает нас. Алгоритмы работают там, где мы их уже не замечаем: от расчета оптимального маршрута с помощью навигатора до персональных рекомендаций музыкального сервиса», — говорит Евгений Овчаров.
