Что такое ИИ? История, определения и приложения

История

Искусственный интеллект играет все более важную роль в нашей жизни, и последней тенденцией являются чипы AI и сопутствующие приложения для смартфонов. Но эта технология начала разрабатываться еще в 50-х годах в рамках Дартмутского летнего исследовательского проекта по искусственному интеллекту в Дартмутском колледже в США. Ее истоки восходят еще дальше к работе Алана Тьюринга, которому мы можем приписать знаменитый тест Тьюринга. -, Аллен Ньюэлл и Герберт А. Саймон, но AI не попадал в центр внимания на мировой арене до появления шахматного суперкомпьютера Deep Blue от IBM, который был первой машиной, которая победила тогдашнего чемпиона мира по шахматам Гарри Каспарова. в матче 1996 года. Алгоритмы искусственного интеллекта использовались в центрах обработки данных и на больших компьютерах в течение многих лет, но только совсем недавно стали применяться в сфере бытовой электроники.

Определение искусственного интеллекта

Определение искусственного интеллекта характеризует его как раздел информатики, который занимается автоматизацией интеллектуального поведения. Вот трудная часть: поскольку вы не можете точно определить интеллект как таковой, искусственный интеллект тоже не может быть точно определен. Вообще говоря, этот термин используется для описания систем, целью которых является использование машин для имитации и моделирования человеческого интеллекта и соответствующего поведения. Это может быть выполнено с помощью простых алгоритмов и заранее определенных шаблонов, но также может стать гораздо более сложным.

Мозг – это просто еще одна машина. / © ANDROIDPIT

Различные виды ИИ

Символический или манипулирующий символами ИИ работает с абстрактными символами, которые используются для представления знаний. Это классический ИИ, который воплощает идею о том, что человеческое мышление можно реконструировать на иерархическом, логическом уровне. Информация обрабатывается сверху, работая с удобочитаемыми символами, абстрактными связями и логическими выводами.

Нейронный ИИ стал популярным в информатике в конце 80-х годов. Здесь знания представлены не символами, а скорее искусственными нейронами и их связями – вроде как реконструированный мозг. Собранные знания разбиваются на маленькие части – нейроны, – а затем соединяются и объединяются в группы. Этот подход известен как метод снизу вверх, который работает снизу. В отличие от символического ИИ, нейронную систему необходимо обучать и стимулировать, чтобы нейронные сети могли накапливать опыт и расти, тем самым накапливая больше знаний.

Нейронные сети организованы в слои, которые связаны друг с другом с помощью имитированных линий. Самый верхний уровень – это входной уровень, который работает как датчик, который принимает информацию для обработки и передает ее ниже. Теперь за ним следуют по крайней мере два – или более двадцати в больших системах – уровней, которые иерархически расположены друг над другом и которые отправляют и классифицируют информацию через соединения. В самом низу находится выходной слой, который обычно имеет наименьшее количество искусственных нейронов. Он предоставляет расчетные данные в машиночитаемой форме, то есть «изображение собаки днем с красной машиной».

Методы и инструменты

Существуют различные инструменты и методы для применения искусственного интеллекта в реальных сценариях, некоторые из которых можно использовать параллельно.

В основе всего этого лежит машинное обучение, которое определяется как система, накапливающая знания на основе опыта. Этот процесс дает системе возможность обнаруживать закономерности и законы – причем с постоянно увеличивающейся скоростью и точностью. В машинном обучении используется как символьный, так и нейронный ИИ.

Глубокое обучение – это подтип машинного обучения, который становится все более важным. В этом случае используется только нейронный ИИ, то есть нейронные сети. Глубокое обучение является основой большинства современных приложений искусственного интеллекта. Благодаря возможности все более расширять структуру нейронных сетей и делать их более сложными и мощными с помощью новых слоев, глубокое обучение легко масштабируется и адаптируется ко многим приложениям.

Для обучения нейронных сетей существует три процесса обучения: контролируемое, неконтролируемое и обучение с подкреплением, которые предоставляют множество различных способов регулирования того, как входные данные становятся желаемыми выходными. В то время как целевые значения и параметры указываются извне при обучении с учителем, при обучении без учителя система пытается идентифицировать во входных данных шаблоны, которые имеют идентифицируемую структуру и могут быть воспроизведены. В обучении с подкреплением машина также работает независимо, но вознаграждается или наказывается в зависимости от успеха или неудачи.

Приложения

Искусственный интеллект уже используется во многих областях, но далеко не все из них заметны с первого взгляда. Следовательно, выбор сценариев, использующих возможности этой технологии, далеко не полный список.

Механизмы искусственного интеллекта отлично подходят для обнаружения, идентификации и классификации объектов и людей на изображениях и видео. Для этого используется простое, но ресурсоемкое обнаружение паттернов. Если информация об изображении в первую очередь расшифрована и машиночитаема, фотографии и видео можно легко разделить на категории, выполнить поиск и найти. Такое распознавание также возможно для аудиоданных.

Служба поддержки клиентов все чаще использует чат-ботов. Эти текстовые помощники выполняют распознавание, используя ключевые слова, которые клиент может сказать ему, и они реагируют соответствующим образом. В зависимости от использования этот помощник может быть более или менее сложным.

Анализ мнений используется не только для прогнозирования выборов в политике, но и в маркетинге и во многих других областях. Извлечение мнений, также известное как анализ настроений, используется для поиска в Интернете мнений и эмоциональных выражений, что позволяет создать анонимный опрос общественного мнения.

Алгоритмы поиска, такие как Google, естественно, являются совершенно секретными. Способ вычисления, измерения и вывода результатов поиска во многом определяется механизмами, работающими с машинным обучением.

Обработка текста или проверка грамматики и правописания текста – это классическое приложение символического ИИ, которое используется в течение долгого времени. Язык определяется как сложная сеть правил и инструкций, которая анализирует блоки текста в предложении и, при некоторых обстоятельствах, может определять и исправлять ошибки.

Эти способности также используются при синтезе речи, о которой в настоящее время говорят в городе с помощью таких вспомогательных систем, как Siri, Cortana, Alexa или Google Assistant.

В новых чипах для смартфонов, таких как Kirin 970, искусственный интеллект интегрирован в свой собственный компонент, NPU или нейронный процессор. Процессор дебютирует в Huawei Mate 10. Вы узнаете больше о нем и роли, которую эта технология будет выполнять. играть на смартфоне Huawei, как только у нас появится возможность поэкспериментировать с ним в ближайшем будущем. Qualcomm уже два года работает над NPU, процессором Zeroth, и новый чип Apple A11 содержит аналогичный компонент.

Кроме того, существует множество исследовательских проектов в области искусственного интеллекта, и самым заметным из них может быть Watson от IBM. Компьютерная программа уже впервые публично дебютировала в 2011 году на викторине Jeopardy, где ей противостояли два кандидата-человека. Уотсон, конечно, победил, и после этого последовали дополнительные публичные выступления. Японская страховая компания использует Watson с января для проверки застрахованных клиентов, их истории и медицинских данных, а также для оценки травм и болезней. По информации компании, Watson заменил около 30 сотрудников. Потеря рабочих мест из-за автоматизации – это лишь одна из этических и социальных проблем, связанных с ИИ, которая является предметом корпоративных и академических исследований.

Проекция

Искусственный интеллект – это не то, что недавно появилось из ниоткуда, но он приближается к прорыву в мире бытовой электроники, что является более чем достаточной причиной для всех, чтобы быть в курсе этой темы в будущем.

Какие аспекты искусственного интеллекта вам особенно интересны? Дайте нам знать в комментариях ниже!