101 факт об искусственном интеллекте - Лассе Рухиайнен

Другим плюсом искусственного интеллекта является то, что он позволяет машинам и роботам выполнять задачи, которые кажутся людям сложными, скучными или опасными. Это, в свою очередь, даст людям возможность делать то, что когда-то считалось невозможным.

Одним из недостатков технологий искусственного интеллекта является то, что машины будут также способны выполнять множество задач, которые сейчас требуют присутствия человека, что в значительной мере навредит рынку труда. Искусственный интеллект также может стать причиной политической борьбы за влияние. Мы раскроем обе эти темы в других главах.

Искусственный интеллект может применяться практически в любой ситуации и предлагает возможность трансформации нашего опыта, делая жизнь лучше и эффективнее.

Вот лишь некоторые стремительно развивающиеся технические области применения искусственного интеллекта, существующие на данный момент:

• Распознавание статических изображений, их классификация и маркировка: данные инструменты могут быть полезны во многих отраслях.

• Улучшение производительности стратегий алгоритмической торговли: данные инструменты уже тем или иным образом внедрены в финансовый сектор.

• Эффективная и масштабируемая обработка данных о пациентах: это позволяет улучшить уход за пациентами.

• Профилактическое обслуживание на основе предсказаний: еще один инструмент, широко применяющийся в различных отраслях.

• Определение объектов и их классификация: эта технология может применяться в области производства самоуправляемых автомобилей, но имеет потенциал развития и в других отраслях.

• Распространение контента в социальных сетях: это в первую очередь маркетинговый инструмент, использующийся в социальных сетях, но он также может применяться и для поднятия уровня осведомленности некоммерческих организаций или в качестве «гражданского» сервиса для быстрого распространения информации.

• Защита от угроз кибербезопасности: это важный инструмент для банков и систем, отправляющих и получающих онлайн-платежи [4 - Martin Armstrong, “The Future Of A. I. ”, The Statistics Portal, Novem- ber 18, 2016, https: //www. statista. com/chart/6810/the-future-of-ai].

Поскольку некоторые из приведенных выше примеров являются более техническими, становится понятно, что искусственный интеллект даст нам возможность лучше видеть, слышать и понимать окружающий нас мир. Благодаря тому, что когда-то эти характеристики были присущи лишь человеку, искусственный интеллект откроет для нас мир абсолютно новых возможностей.

Рис. 1. 3. Искусственный интеллект, машинное обучение и глубокое обучение

ИИ сможет сделать нашу жизнь проще, предложив прогнозы, относящиеся к важным вопросам нашей жизни, к важным ее сферам, таким как здоровье, благосостояние, образование, работа и то, как мы коммуницируем с окружающими нас людьми.

Он также изменит способы ведения бизнеса, предложив конкурентные преимущества компаниям, которые хотят быстро понять и эффективно применить данные инструменты.

Иногда термин «искусственный интеллект» может пугать людей. Один из лучших экспертов в области развития искусственного интеллекта, Себастьян Трун, полагает, что лучше заменять его термином «анализ и обработка данных», который является менее пугающим, что, возможно, поможет процессу принятия данного явления обществом [5 - Sebastian Thrun, “Artificial Intelligence – Q& A with Sebastian Thrun”, Udacity, YouTube, June 13, 2017, https: //www. youtube. com/watch? – v=gyEyBZdUjCo].

Машинное обучение

Машинное обучение – это один из основных подходов к созданию искусственного интеллекта. Если коротко, то машинное обучение – это аспект компьютерной науки, в котором компьютеры или машины имеют способность обучаться, не имея точной программы. Обычным результатом будут предположения или прогнозы в определенной ситуации [6 - Wikipedia entry on Machine Learning, December 07, 2017, https: // en. wikipedia. org/wiki/Machine_learning].

Вспомните первые персональные компьютеры, которые стали доступны простым пользователям в 1980-е годы. Эти машины были точно запрограммированы на выполнение определенных операций. В отличие от них, благодаря машинному обучению, многие технические устройства будущего будут собирать опыт и информацию из стиля их использования, что сделает опыт использования одного и того же устройства персональным для каждого конкретного пользователя. Уже сейчас существуют простые примеры такой персонализации: в социальных сетях, например в Facebook, или в результатах поиска Google.

Машинное обучение использует алгоритмы, чтобы обучаться на паттернах данных. Например, спам-фильтры электронной почты используют машинное обучение для определения того, какие письма являются спамом, и последующего отделения их от допустимых писем. Это простой пример того, каким образом могут использоваться алгоритмы обучения по паттернам данных, а приобретенные знания могут использоваться для принятия решений.

На рисунке 1. 4 ниже изображены три разновидности машинного обучения: обучение с учителем, обучение без учителя и обучение с подкреплением.

При обучении с учителем алгоритмы используют данные, которые уже были размечены или каким-то образом организованы. При использовании данного метода воздействие со стороны человека необходимо для получения обратной связи.

Рис. 1. 4. Типы машинного обучения

Обучение без учителя применяет алгоритмы, в которых данные не были заранее размечены или организованы. Напротив, паттерны определяются без вмешательства человека в процесс [7 - Dave Gershgorn, “The Quartz guide to artificial intelligence: What is it, why is it important, and should we be afraid? ”, Quartz, September 10, 2017, https: //qz. com/1046350/the-quartz-guide-to-artificial-intelligen- ce-what-is-it-why-is-it-important-and-should-we-be-afraid].

И наконец, при обучении с подкреплением алгоритмы учатся на опыте. Им не ставят никаких четких целей, кроме получения какой-либо награды [8 - KDnuggets, “Machine Learning Key Terms, Explained”, 2017, https: // www. kdnuggets. com/2016/05/machine-learning-key-terms-explained. html/2].

Глубокое обучение

Глубокое обучение является одной из наиболее быстроразвивающихся сфер применения искусственного интеллекта и составной частью машинного обучения. Оно используется для решения проблем, которые ранее считались слишком сложными, и обычно задействует огромные массивы данных.

Глубокое обучение происходит с использованием нейросетей, которые разделены на уровни таким образом, чтобы распознавать сложные связи и паттерны данных. Применение глубокого обучения требует для работы наличия огромного массива данных и внушительных вычислительных мощностей. На данный момент глубокое обучение используется для распознавания речи, обработки естественных языков, компьютерного зрения, а также идентификации автомобилей в качестве помощи водителю [9 - Dave Gershgorn, “The Quartz guide to artificial intelligence: What is it, why is it important, and should we be afraid? ”, Quartz, September 10, 2017, https: //qz. com/1046350/the-quartz-guide-to-artificial-intelligen- ce-what-is-it-why-is-it-important-and-should-we-be-afraid].

Одним из примеров этому может служить перевод текстов, реализованный в Facebook. В 2017 году в Facebook открыли для себя, что благодаря глубокому обучению они могут делать около 4, 5 миллиарда переводов в день [10 - Huan Muguel Pino, “Transitioning entirely to neural machine trans- lation”, Facebook, August 03, 2017, https: //code. facebook. com/ posts/289921871474277/transitioning-entirely-to-neural-machi- ne-translation]. Как правило, это короткие переводы для таких вещей, как обновления статусов, которые люди выкладывают у себя на страничке. Инструменты искусственного интеллекта Facebook делают возможным автоматический перевод таких сообщений на различные языки. Без применения глубокого обучения предложение такого функционала стоило бы огромных денег и требовало бы наличия гигантской команды людей.