Что такое ИИ: разбираемся в современных технологиях

Искусственный интеллект — одна из обсуждаемых и быстроразвивающихся технологий современного мира. ИИ открывает новые возможности для бизнеса, науки и повседневной жизни. Рассказываем, что такое искусственный интеллект, как он работает и помогает в решении задач.

Что такое искусственный интеллект

Искусственный интеллект (ИИ) — область компьютерных технологий, которая занимается созданием систем и программ. ИИ способен выполнять задачи, требующие человеческого интеллекта.

История искусственного интеллекта начинается в 1935 году. Тогда учёный Алан Тьюринг дал описание вычислительной машине, которая состояла из безграничной памяти. В дальнейшем он предложил считать интеллектуальными только те системы, которые не имеют отличия от человека.

Помимо этого, Алан Тьюринг придумал тест для оценки машинного интеллекта. Он помогал понять, насколько система продвинулась в обучении и может ли выдавать себя за человека.

Успех искусственного интеллекта пришёлся на 1951 год благодаря Кристоферу Стрейчи. Он создал программу, которая могла играть в шашки с человеком и удивляла способностями предугадывать ходы. Позже он опубликовал материал о шахматном программировании.

Позднее, в 1956 году, про искусственный интеллект снова заговорили. В Дартмутском колледже на одной из конференций математик Джон Маккарти представил ИИ как математическую абстракцию, которая могла бы стать аналогом человеческого интеллекта.

К 1970 году интерес стал спадать, и про ИИ снова заговорили только к середине 90-х годов, когда машина смогла обыграть чемпиона мира по шахматам — Гарри Каспарова.

Сегодня ИИ получил широкую популярность. Программы быстро обучаются, анализируют информацию и становятся прототипом человеческого интеллекта.

ИИ начинает находить применение в разных сферах — например, медицине:

• Искусственный интеллект помогает разрабатывать планы лечения для каждого пациента, а также помогать в выборе лекарств. ИИ анализирует информацию о реакциях пациентов на тот или иной препарат, что помогает в дальнейшем предотвратить аллергическую реакцию.
• Технологии виртуальной реальности, встроенные в ИИ, помогают молодым врачам и будущим хирургам тренироваться перед операцией и оттачивать навыки.
• Искусственный интеллект хорошо помогает в анализе рентгеновских снимков. Современные технологии помогают выявить патологии, которые могут быть не замечены врачами.

Каким бывает искусственный интеллект

Можно выделить три вида искусственного интеллекта: слабый, сильный и суперинтеллект. Все виды различаются между собой интеллектуальным развитием и набором команд, имеют свои возможности и особенности.

Слабый ИИ (Narrow Al)

Слабый ИИ, или ИИ узкого назначения, работает на основе данных. Запрограммирован он на выполнение одной задачи — например, это может быть распознавание речи или поиск контента в интернете. Процессы выполняются на заранее заданных параметрах, что делает его ограниченным.

Примеры слабого искусственного интеллекта:

• Поисковые системы — Яндекс, Google, FireFox ищут информацию в интернете и предоставляют пользователю результаты. Действия ограничены установленными критериями поиска.
• Голосовые помощники — Алиса, Siri, Google Assistant анализируют команды и выполняют действия: дают ответы на вопросы, обрабатывают человеческую речь в запрос, устанавливают напоминания, управляют устройствами умного дома. К самостоятельному мышлению и решению задач не приспособлены.
• Навигационные приложения — Яндекс Карты, 2ГИС, Google Maps рассчитывают оптимальные маршруты, показывают пробки и дорожные условия. Без обновления данных не способны приспосабливаться к неожиданным ситуациям.
• Чат-боты — помогают вести разговор с клиентом по заранее подготовленному сценарию, но не могут выходить за его рамки.
• Рекомендательные системы — Netflix, Кинопоиск, Окко используют алгоритмы для предложения фильмов или сценариев по вашим предпочтениям.

Особенности слабого ИИ:

• Ограниченная специализация. Слабый ИИ выполняет только те задачи, для которых был создан.
• Отсутствие самосознания. Слабый ИИ не обладает пониманием. Его действия основаны на заданных алгоритмах, а не на личном опыте.
• Зависимость от данных. Слабый ИИ зависит от качества и количества базы данных, на которых он обучается. Чем больше данных, тем лучше система работает.
• Отсутствие общего интеллекта. В отличие от других видов AI слабый ИИ не может имитировать человеческий интеллект: он не способен к мышлению и решению проблем за пределами узкой области.

Слабый ИИ помог избавиться от рутинных задач: от заказа такси или доставки пиццы до обработки большого количества информации. Даже несмотря на маленький функционал, слабый ИИ решает и обрабатывает задачи быстрее, что позволяет повысить производительность людей и компаний, а также уменьшить затраты на поиск информации.

Сильный ИИ (General AI)

В отличие от слабого ИИ, который выполняет определённые задачи, система обладает широким спектром возможностей. Сильный ИИ схож с человеческим разумом: он может выполнять задачи на уровне интеллекта, адаптироваться к новым условиям, решать проблемы в разных областях, а также решать задачи, которые требуют анализа и логики.

Рассмотрим особенности сильного ИИ:

• Общий интеллект — сильный интеллект может понимать, обучаться и применять знания в разных областях. В отличие от слабого ИИ он может решить вопросы, которые не были заранее запрограммированы.
• Многофункциональность — сильный ИИ может выполнять широкий спектр задач: ему не нужна настройка для конкретного поручения.
• Способность к абстрактному мышлению — сильный ИИ может предлагать новые идеи и решения, а не просто следовать алгоритмам.

На сегодняшний день сильный искусственный интеллект остаётся концепцией и представлен на уровне научной фантастики и теории. Но его создание может наделить механизм такими навыками, как рассуждение, решение проблем, планирование, предложение идей, осознание действий и их последствий. Для достижения таких целей важно придумать, как наделить машину сознанием без вреда для жизни.

Суперинтеллект (Superintelligence)

Исследователи всерьёз задумались о создании системы, которая будет превосходить человеческий разум: она может быть более интеллектуальной и адаптивной. Система способна быстро обучаться, адаптироваться под ситуации, которые кажутся сложными для людей.

Генеральный директор OpenAI Сэм Альтман рассказывает о том, что уже в ближайшее время можно будет увидеть первых агентов ИИ, которые в разы упрощают работу компаний. Но не стоит забывать, что создание высокоинтеллектуального ИИ требует осторожности и особого внимания ко всем возможностям интеллекта.

В отличие от сильного и слабого ИИ суперинтеллект сможет не просто сделать анализ, но и предложить подходы и решения, на которые не способен человеческий разум.

Машинное обучение: как учится ИИ

Как и любой системе, искусственному интеллекту важно обучаться, чтобы выполнять задачи без использования прямого программирования. Для этого используют машинное обучение. Оно позволяет системам улучшать свои результаты на основе опыта.

Обучение состоит из трёх элементов: данных, признаков и алгоритмов.

1. Данные — это разнообразная информация: картинки, аудио, примеры решений, видеозаписи. Их важно тщательно готовить, так как в большей степени от данных зависит успех обучения.
2. Признаки — это аспекты, на которых система должна сконцентрироваться. На этапе признаков важно понять, на что нужно обратить внимание или как сделать тот или иной вывод. Чем конкретнее признаки, тем оперативнее обучение системы.
3. Алгоритмы — это варианты решения задач. У одной задачи может быть несколько способов, как прийти к ответу: системе стоит выбирать самый быстрый и эффективный из них.

Выделяют несколько принципов и методов машинного обучения, с помощью которых ИИ улучшает свои навыки:

• Сбор данных. Данные могут представляться в разных видах (таблицы, текст, изображения, видео).
• Обработка данных. Удаление ошибок, приведение к единому формату.
• Выбор модели. Есть множество алгоритмов для машинного обучения. Выбор модели зависит от той или иной задачи — например, это может быть распознавание изображений, группировка объектов или предсказание значений.
• Обучение модели. На этом этапе модель обучается на тренировочных данных. Выделяют несколько вариантов обучения:

• Оценка модели. Она проходит на основе тренировочных данных. Оценкой служат точность, полнота, средняя абсолютная ошибка.
• Внедрение. Важно отслеживать работу системы и обновлять её по мере наступления ошибок.

Deep Learning: глубокое обучение для разных целей

Глубокое обучение — одна из форм машинного обучения, которую используют нейронные сети для анализа и обработки данных. Алгоритмы обучения создаются по аналогии со структурой человеческого мозга, что в процессе представляется как искусственная нейронная связь.

Благодаря Deep Learning машины учатся обрабатывать информацию так, чтобы имитировать наш мозг и выполнять задачи, которые были по силе лишь человеку.

Глубокое обучение позволяет анализировать данные и решать сложные задачи — например, создавать тексты, распознавать речь, обрабатывать изображения, добавлять звук в видео. Например, система Алисы использует глубокое обучение для обработки информации.

Для Deep Learning характерны два варианта обучения: с учителем и без. При тренировке с учителем создаётся результат вычислений. Например, рассчитать стоимость квартиры. При ответах с ошибкой система перенастраивает свои параметры, пока ответ не будет приближен к нужному.

Во втором случае сеть анализирует входящие данные и вычисляет результат. Например, анализ аудитории сайта по группам: полу, возрасту, хобби.

Применяется Deep Learning в разных сферах. Вот несколько примеров:

Распознавание речи. Обучение позволяет распознавать голос с разными особенностями акцента, возраста, произношения. В голосовых помощниках, например в Алисе и Siri, обучение позволяет сделать голос естественным.

Компьютерное зрение. Обучение помогает распознавать объекты на фотографиях. Таким способом пользуются поисковики: Яндекс и Google при запросе по фото находят похожую информацию.

Итоги

• Искусственный интеллект — это технология, которая позволяет анализировать большие объёмы данных, генерировать тексты, изображение, видео, музыку.
• Искусственный интеллект бывает трёх видов: слабый, сильный и суперинтеллект. Каждый из них имеет свои особенности. Но важно помнить, что развитие сильного и суперинтеллекта — это всего лишь концепция, которая может реализоваться в ближайшем будущем.
• Машинное обучение является ключевой технологией ИИ, с помощью которой системы автоматически улучшают свои результаты на основе данных.
• Глубокое обучение с использованием нейронных сетей расширило возможности ИИ. Обучение применяется в самых разных сферах: медицине, маркетинге, прогнозирование погоды.
• Развитие искусственного интеллекта открывает новые возможности для создания новых продуктов и услуг. Но при этом ставит важные этические вопросы, связанные с безопасностью и приватностью, чтобы не нанести угрозу человеческой жизни.